tesseract-ocr是开源的光学字符识别引擎，有Google的支持，支持很多种语言的识别，下面说一下我在Ubuntu下安装步骤。
其实官方文档上说的很细，下面列出其中的命令，
sudo apt-get install autoconf automake libtool
sudo apt-get install libpng12-dev
sudo apt-get install libjpeg62-dev
sudo apt-get install libtiff4-dev
sudo apt-get install zlib1g-dev
注意最后一个zlib1g-dev中的1g是数字1，而不是小写字母l,
sudo apt-get install libleptonica-dev
下载源文件包解压（目前是3.0），进入目录
./runautoconf
./configure
make
sudo make install
下载语言数据包解压：你可以在这找到更多的语言包
gzip -d eng.traineddata.gz
移动到数据包安装目录下，默认为 /usr/local/share/tessdata
mv eng.traineddata /usr/local/share/tessdata
export TESSDATA_PREFIX=/usr/local/share/
安装图片格式转换工具，因为tesseract只识别tif格式的图片。
apt-get install imagemagick
你可以使用下面的命令转换图片
convert a.jpg a.tif
好了，测试一下吧
tesseract <image> <outputbasename> [-l lang] [configs]
tesseract a.tif a
默认为英语，如果你要识别其它语言请使用-l 参数指定，如
tesseract a.tif a -l chi_sim
cat a.txt
你将会看到识别出的文字，太棒了。好了，下面就可以用程序去调用识别文字了，
对于java你也可以使用tess4j封装的API，对于PHP你可以使用exec调用再对文件进行处理，
如果你遇到 lib **.so 找不到请运行
sudo ldconfig