首先我們在GitHub上找到了一些文檔，在這里記錄點學習內(nèi)容。

文檔來源：https://github.com/tesseract-ocr/docs

1、History

1） Timeline

Tesseract從1984年開始至今，中間1995年至2005年基本處于停滯狀態(tài)（The dark ages），自從2005年HP開源，2006年被Google接手之后，又進入了新的發(fā)展階段，也不知道這么有意思的OCR庫經(jīng)過了怎樣的40年~~

上圖中有幾個比較重要的點：

Internationalized to 100+ languages

Layout analysis?

Table Detection

Equation detection?

Training Tools?

PDF output?

?LSTM

具體實現(xiàn)還需要分塊研究，以后再寫。

Tesseract Coordinate System

左下角（bottom-left）為坐標原點（0,0）

Tesseract-OCR System

圖1 Tesseract System Architecture

上圖中展示了整個Tesseract 識別架構(gòu)，包括自適應(yīng)二值化，版面分析（我的理解是把整個頁面中的表格、圖片、文字等分類，提取出文字部分進行識別），文字識別等，其中的LSTM Line Recognizer 具體做了什么工作還有待研究，之后的X-Height Fix ,Fuzzy Space Fix, Word Bigram Fix等應(yīng)該是根據(jù)識別結(jié)果不斷調(diào)整參數(shù)，以適應(yīng)不同文檔的情況。

圖2 Tesseract Word Recognizer

上圖2顯示了圖1中 recognizer word pass1 中工作情況。這部分的工作重點是字符分割。

圖3 文件結(jié)構(gòu) -功能結(jié)構(gòu)

圖3 說明了整個Tesseract文件結(jié)構(gòu)以及功能說明。

圖4 重要的數(shù)據(jù)結(jié)構(gòu)

圖5?

誰來告訴我這是什么意思？

圖6 Recognize識別過程中的函數(shù)調(diào)用流程

圖6 很清晰地展示了識別操作的函數(shù)調(diào)用流程，這部分是整個OCR的核心，也是以后研究工作的重點。

圖7 實例（一）

圖7 實例（二）

圖7 實例（三）

以上內(nèi)容介紹整體Tesseract架構(gòu)和實例，官方文檔圖片較多，先保存下來，以后學習深入了再來補充整理。