#Tesseract OCR

Tesseract是一款开源的光学字符识别(OCR)引擎，支持超过100种语言识别和多种图像格式处理。项目包含OCR引擎libtesseract和命令行工具tesseract。最新版本Tesseract 4引入基于神经网络的OCR引擎，专注于行识别，同时保留了传统的字符模式识别功能。Tesseract支持Unicode，可输出多种格式如纯文本、PDF等，并可通过训练扩展语言识别能力。

tesseract-ocr-for-php是一个PHP封装库，提供简洁的接口调用Tesseract OCR引擎。该库支持多语言文字识别、自定义配置和多种输出格式(如HOCR、PDF)。适用于文档数字化、图像文字提取等OCR应用场景。通过Composer可快速集成到PHP项目中，简化OCR开发流程。

tessdata_fast项目提供Tesseract 4和5 LSTM OCR引擎的快速整数训练模型。这些模型在速度和准确性间取得平衡，包括单一语言和多语言脚本模型，支持多种语言和文字系统。虽不支持微调和增量训练，但已在多数Linux发行版中广泛应用，为OCR处理提供高效解决方案。