我的电脑使用的是 opensuse13.1, 安装后经群里高手指点，现在可以使用 epson v350 扫描仪了，我的工作情况是还需要将扫描仪得到的图片中的文字通过 ocr 软件识别成电子文档，网下下了 gscan2pdf 用不成，其它一些是不怎么支持中文，现在希望群里的高手帮助推荐一款能识别中文的 ocr 软件，谢谢。
tesseract 软件安装成功，后又在 yast 中安装了中文简体的包，在终端中打开几个文件进行文字识别，英文的还可以识别，中文的总是显示乱码，请帮着解决一下。
您得给文件啊。
1赞
我是说，你用来进行 ocr 的材料你得给出来供别人测试。
- 你想让大家使用没训练过的 tesseract 在 670x520 的像素范围内识别接近 500 个字？这些字所用的字体还是 Linux 上完全就没有的闭源字体？这是天方夜谭。
这是我使用的 ocr 图片，GIMP 制作，字体是文泉驿微米黑：
命令：
tesseract ./test.png result -l chi_sim
结果：
我觉得这一定不是你的 Boss 交给你的工作任务，因为你对这份工作描述中的最关键的点：OCR，完全一无所知。你的 Boss 很可能说的是：「salttime，我要把这个扫描成电脑上看的文档」（看你之前找 gscan2pdf 就猜到了）。那很简单啊，把它们都扫描成图片，然后再把图片集转成 pdf 就可以了。这里任何人都可以给你个命令行脚本。
但是你可能理解复杂了，非要把图片变成 word 文档，于是就涉及到了你完全不懂的 OCR。
我来告诉你什么是 OCR：
OCR 说白了就是，把一个特定字体的某个字变成计算机可匹配的位置数据，比如在 50x50 像素的格子里，「儿」这个字的撇的黑色像素点落在大概 (30~45, 0~100) 这个范围内，然后把图片进行切割细分，得到许多个 50x50 的格子，在这个格子里 (30~45, 0~100) 它有黑色像素点，那么就非常可能是「儿」字。当然也可能是别的字，究竟是什么字，常用汉字就那么多个，这是概率问题。
而 OCR 的重点是：
- 字体。你针对宋体的 OCR 训练数据拿到黑体上识别率不见得高。
- 训练。所谓的训练就是让计算机匹配时所遵守的概率无限趋近于现实。你可能需要拿出比如 3 万个字（一篇文章），先用默认的识别一遍（这涉及到了「如何根据某个特定字体制作出默认的数据」），然后逐字逐句去挑错，再改进默认数据（这涉及到了「你需要会编程，能够写出一个根据 tesseract 库改数据的软件」），最后越改这个数据越接近现实。
最后才是拿你训练过的数据去进行我上面做过的：
tesseract ./test.png result -l chi_sim
参考、归纳、脑补自：Marika Wei
这是 OCR 工作的基本原理和流程，这完全不可能是一个非程序员做的事情，程序员也懒得做这种事情，这是一种苦逼的体力劳动。
Windows 下的 OCR 软件比如微软 word 自带的那个，ABBYY FineReader（这个最好，而且可以 wine）、以及汉王的软件，都是多少苦逼程序员一起，经历了这种枯燥乏味的流程后的结果。
Linux 下的 OCR 软件都是开源的「框架」，比如 tesseract 和你之前问过的 ocropus，它们只是为在 Linux 下进行这种苦逼工作提供了一个基础，提供了可能性，并不是像你要求的那样拿来就能用的东西。因为没有训练过的数据，你安装的中文数据包只是可供你拿来训练的数据。
何况在 Linux 下训练了也没用，OCR 最大的需求是 word 文档转出来的 PDF 和起点网站吧，那些用的字体可不是文泉驿。你现在能够得到的可供训练的数据估计就是 Google 根据 Droid Sans 弄出来的，训练 1 万年也只能识别 Droid Sans，问题是你能把纸面上的字体改了么。想要微软字体的数据？抱歉，微软是商业字体啊。
所以我觉得现在是你对你需求的描述和理解就不对。钻进死胡同了。
1赞
谢谢，我绝定避开这个死胡同