Android文字識別應用開發資料整理
前言
一、Tesseract OCR引擎
Tesseract OCR是HP公司于1985~1995年間開發的商業級OCR(Optical Character Reader, 光學字符閱讀器)引擎，并于2005年開放源代碼。以下是它sourceforge上的網址：
http://sourceforge.net/projects/tesseract-ocr/?source=directory
現在已轉移到谷歌的代碼服務下：
https://code.google.com/p/tesseract-ocr/
源碼和字庫的下載列表：
https://code.google.com/p/tesseract-ocr/downloads/list
谷歌的服務器在國內不穩定，可以從http://pkgs.fedoraproject.org下載到所需的軟件包和字庫包：
>源碼：http://pkgs.fedoraproject.org/repo/pkgs/tesseract/tesseract-ocr-3.02.02.tar.gz/
>中文字庫：http://pkgs.fedoraproject.org/repo/pkgs/tesseract-langpack/tesseract-ocr-3.02.chi_sim.tar.gz/
>英文字庫：http://pkgs.fedoraproject.org/repo/pkgs/tesseract/tesseract-ocr-3.02.eng.tar.gz/
二、面向Android的Tesseract工具
tess-two是Tesseract Tools for Android (tesseract-android-tools) 的一份拷貝，并添加了一些功能。Tesseract Tools for Android是Tesseract OCR和Leptonica圖像處理庫的Android API與構建文件的集合。github上的網址為：
https://github.com/rmtheis/tess-two
關于tess-two的編譯過程，可以參考上述網址，根據我的編譯經歷，發現執行"android update project --path ."一步是，需要指定--target選項，其參數通過命令"android list targets"獲取到id值，再指定，如下(記得連接好你的Android手機)。
root@Leon:/home/work/tess-two# android list targets
Available Android targets:
id: 1 or "android-18"
Name: Android 4.3
Type: Platform
API level: 18
Revision: 1
Skins: WVGA854, WXGA800, WSVGA, WVGA800 (default), WQVGA400, WXGA720, QVGA, WQVGA432, WXGA800-7in, HVGA
ABIs : armeabi-v7a
root@Leon:/home/work/tess-two# android update project --path . --target 1 </span></pre></div>
其中的"1"便是來自id后面的值。之后，便按照tess-two的github上的描述，添加到Eclispe即可。
三、基于tess-two的Android應用
有了面向Android的Tesseract庫tess-two，接下來就是使用Android應用來測試和使用了。github上的android-ocr就是這樣的應用：</span>
</span> https://github.com/rmtheis/android-ocr
我測試使用的是來自Mike_Wong的應用，參考了文章《淺析android OCR文字識別》，文章中包含了源碼的下載地址。解壓源碼并導入到Eclipse之后，刪除目錄中的"gen"目錄，并關閉工程再重新打開即可，為的是重新生成gen目錄及其中的內容。源碼中已包含 tess-two編譯會生成的libtess.so和liblept.so，并且包含了libjpeg.so。在編譯并安裝應用之前的唯一步驟是，在目標手機的SD目錄下創建tessdata目錄，將上面講述的中英文字庫添加到該目錄，即"/sdcard/tessdata/"目錄。
經過測試，發現算法的運行時間還是比較慢的，一段話的中文，處理時間大約20秒。識別精度也比較有限，在一張照片中文字比較多時，識別精度有所下降，如果文字比較少且比較大，則精度較高。
附錄：其它參考文章
1. 《Android OCR 之 tesseract》：http://www.cnblogs.com/hangxin1940/archive/2012/01/13/2321507.html
2. 《安卓平臺tess-two的圖片識別終于成功》：http://www.cnblogs.com/muyun/archive/2012/06/12/2546693.html
3. 《tesseract-ocr訓練方法》：http://my.oschina.net/lixinspace/blog/60124
4. 《Tesseract 3 語言數據的訓練方法》：http://blog.wudilabs.org/entry/f25efc5f/
來自：http://blog.csdn.net/cloud_desktop/article/details/39292525