Question

tesseract能识别哪些语言

Answer 1

识别多种字体、多种语言的字符，在实际应用中是很常见的问题。
经过测试，及查看tesseract3.01的源码，tesseract 3.01版本是不支持多语言、多种字体OCR识别的。
tesseract3.01版本不支持新训练的数据，加入原有字符集，并不支持多个训练库的联合使用方式。

如何利用tesseract进行多语言或多字体识别哪？

一种方法是自己训练字符集，将所有的字体、语言的训练数据放入一个训练数据文件内。这种方法需要庞大的训练样本数据，工作量大，而且舍弃原有的google的训练库，实在是太可惜了。

另外一种方法就是升级tesseract到3.02版本。目前3.02版本还没有release，需要自行下载源码，编译，生成。tesseract3.02支持多个训练库联合使用的方式，这样就能支持多语言、多字体识别，并且tesseract3.02版本的固有数据集应该增加了大量的样本，因为其体积比3.01版本的数据文件大了很多。

tesseract多语言识别的原理及算法在文章Adapting the Tesseract Open Source OCR Engine for Multilingual OCR有专门的介绍。这里记录下自己对这篇文章的理解。

OCR字符识别的热点趋势：
拉丁文-> 中文、日文、韩文 -> 阿拉伯文 -> 印度语
这几种语言字符有各自的特征。

汉字、日文：有一些相同文字，但文字有上千种形状结构。
韩文：自己特有的文字结构，而且数量更多。
阿拉伯文：字母都连起来书写，且字母处在不同的位置，其形状也不同。
印度文：将字符连起来形成上千种形状，来表示不同的音节。其包含了阿拉伯文和韩文面临的问题。

汉字、韩文和印度文都有部首和词根的结构。相比韩文，汉字的词根在不同的字里，其形状也是不固定的，且常和其他部首连写。而印度文更复杂些。

拉丁文字符识别在另外一篇文章中有介绍，这里写些思路与未提到的问题。
1. 在连通区域分析后，找出blob，即单个字母块。
2. 行检测。利用等间距检测与分割算法，包括识别词与字母的空白区别。
3. 单个字符识别，并对初次识别效果不佳的字符进行分割与联想，对于多种可能，就应用词典的距离计算，选择出最好的可能性。

4. 多次识别：识别效果好的字符作为训练样本，对其他不好的字符进行再次识别。（自适应分类器）

问题：
一般一个字母是单连通区域，但也有例外，一个字母有多个连通区域，或嵌套孔洞，如圆圈中有一个c或R的字符。

--------------
文章的排版：
1. 横排、竖排、混合排列
tesseract最初支持处理横排的情况，若处理各种排列，tesseract需要考虑更多的特征检测。
段落缩进的检测； 字符间距检测（竖排字符的间距中值小于字符大小的均值）；文本行（列）检测
另外，对于竖排占多数的页面，可以旋转90度，这样大部分文本可转换为横排，减少竖排区域误检率。

混合排列在各种文字中都存在且常见，所以，tesseract要处理这些情况。

2. 文本行、列检测
行检测算法：
每行文本中的字符直接的间距比较小，一般比行间距小，且一般字符大小都差不多，除了个别特殊位置上的字符。利用这个特征，将邻近字符串起来，就形成了一条线。多条线形成后，就有了多条线平行的特征，多条平行线就形成了一个模块。
不同的平行线形成的排版，就能将整个页面分割开来。

行检测完成后，就能检测行内的单个字符了。对于拉丁字符，空格是最小识别单位的特征，而一些语言的空格特征不明显，如中文字符，字、词之间空格没差别，词根之间也有空格，将一个连通区域作为一个独立的识别单位，这种识别方法缺少整体的识别能力，如字典等。一种解决方法是，先识别标点符号（punctuations），但对长句子，还是有局限性。

若存在多种语言混合编排的情况，字符的大小特征可能不一样，如拉丁与汉字。这就需要不同的语言字符，应用不同的阈值进行过滤。

3. 古斯拉夫语Cyrillic，类似俄语之类吧，小写字母x字符高度的估计
拉丁字符检测的方法，不适用于这种语言。
俄语的检测需要应用其他的特征。这里对俄语不熟悉，就忽略不看了。

4. 字、词的识别
包括分割、搜索及形状分类
字母语言的识别，与象形文字的识别，有很多不同。象形文字的词汇的边界不如字母文字清晰。
对于象形文字间的关联，tesseract应用最优优先搜索方法（best-first-search），在词典中寻找匹配的词汇，这个比字母词汇搜索需要更深的搜索层次。

形状分类
线宽、线长都可以作为字符的形状特征。对于一个字或字符，可以先粗略的分类，多选几个近似的分类,然后，再仔细的分类，从候选的类别选出可能的类别。

6. 上下文关联后处理
字典搜索