介绍：
OCR(Optical Character Recognition)：光学字符识别，是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程。
Tesseract：开源的OCR识别引擎，初期Tesseract引擎由HP实验室研发，后来贡献给了开源软件业，后由Google进行改进、修改bug、优化，重新发布。
简单来说OCR是一种把图形信息识别为文字的技术，而tesseract是一个开源的OCR工具。
安装：
1.在mac上安装tesseract比较简单，直接在命令行使用brew安装
命令：
brew install tesseract
网上流传的安装tesseract顺带安装训练工具和语言库的命令并不生效，可能是brew或者tesseract的版本不一样。
brew install --with-training-tools tesseract //安装tesseract， 同时安装训练工具
brew install --all-languages tesseract //安装tesseract，同时它还会安装所有语言
brew install --all-languages --with-training-tools tesseract //安装附加组件
2.检查是否安装成功，并查看版本号
命令：
输入：
tesseract -v
输出：
tesseract 4.1.1
leptonica-1.79.0
libgif 5.2.1 : libjpeg 9d : libpng 1.6.37 : libtiff 4.1.0 : zlib 1.2.11 : libwebp 1.1.0 : libopenjp2 2.3.1
Found AVX2
Found AVX
Found FMA
Found SSE
有类似上面的版本信息输出就是安装成功了。
使用：
我们简单的照一张图片试下tesseract的OCR识别功能 找了一张包含了语文两个字的小图片，使用命令。 tesseract的命令格式是：
tesseract imagename outputbase [options...] [configfile...]
tesseract 图片名称 生成的结果文件的名称 参数设置 配置文件
实例1：
输入：
tesseract test.png output
输出：
Tesseract Open Source OCR Engine v4.1.1 with Leptonica
查看结果：
cat output.txt
Bx
输入的文件名是output，tesseract会输出到output.txt的文件里面。默认是使用eng（英语），识别情况看起来不行，输出了一个Bx。 所以需要去下载下中文的数据集，数据集地址，chi_sim就是简体中文了。将下载好的数据集 放入到tesseract的data目录中，mac是类似/usr/local/Cellar/tesseract/4.1.1/share/tessdata。
实例2：
我们在试下用中文的识别
输入：
tesseract 语文.png output -l chi_sim
输出：
Tesseract Open Source OCR Engine v4.1.1 with Leptonica
查看结果：
cat output.txt
语 文
实例3：
查看tesseract当前数据集支持的语言
输入：
tesseract --list-langs
输出：
List of available languages (4):
chi_sim
eng
osd
snum
