【IT168 开源资讯】近日，据Google公司的一篇博客文章（点击查看）写到，一名现就职于Google公司的前惠普职员正在研究光学字符识别（Optical Character Recognition，OCR）引擎，并试图将其投入开源领域。

    Tesseract引擎最早在1985到1995年间由惠普实验室开发，但是随着惠普公司淡出OCR业务领域，此项技术也逐渐不被人注意。

    Google公司正在与美国内华达州的拉斯维加斯大学进行合作，致力于将该OCR应用程序转化为开源软件。该大学在OCR领域具有领先的技术，而Google公司的前惠普职员又具有相关OCR工作经历，两者合作可以说是强强联合。

    9月5日（本周二），Google曾宣布计划推出一项服务，让网民可以搜索到最早1700年的新闻报刊杂志的内容。如此来说，Google重新让OCR软件面世的原因就很明朗了，应该是利用该技术来实现自动扫描这些历史报刊。

    把这个软件转化为开源软件的好处是可以解决一些OCR本身无法解决的问题，例如复杂的页面分析问题、如何识别复杂页面上的图片和文字等问题。

    据分析人士称：Google将Tesseract OCR软件开源是为了创建其数字图书馆，这样说可能还早一些，不过从长久来看，此举无疑对Google帮助甚大。


    点击查看原文