方法1：利用我们常用的聊天通讯工具QQ
使用方法：先随便选择一个好友发送该图片，然后点击图片发大查看，然后长按识别，就会对应弹出选项“提取图中文字”选择即可。
方法2：微软office中的OneNote软件即可
使用方法：把要提取文字的图片插入OneNote中，然后右击，选择复制图片中的文字即可，然后粘贴到其他文档中就ok了。
方法3：使用微信小程序
使用方法：直接微信中搜索图片文字识别小程序，然后打开上传有文字的图片即可。
Tesseract ，一款由HP实验室开发由Google维护的开源OCR（Optical Character Recognition , 光学字符识别）引擎，与Microsoft Office Document Imaging（MODI）相比，我们可以不断的训练的库，使图像转换文本的能力不断增强；如果团队深度需要，还可以以它为模板，开发出符合自身需求的OCR引擎。
源码地址为： https://github.com/tesseract-ocr/tesseract ；
EXE可执行文件地址： http://download.csdn.net/download/whatday/7740469 ；
接下来，我们将在Windows环境下安装Tesseract并实现简单的转换和训练：
1、Tesseract实现
大体流程：Tesseract安装 -> 打开命令行 -> 生成目标文件
Tesseract安装
下载tesseract-ocr-setup-3.02.02.exe安装包，安装成功后会在相应磁盘下有Tesseract-OCR文件夹，如图
打开命令行
打开命令行，输入tesseract，回车；以下便是tesseract的大体面貌：
生成目标文件
先准备一张图片文件，如test.png
将命令行切换至目标图像文件目录，比如我们转换文件为test.png（图片文件允许多种格式），位于C:\Users\Lian\Desktop\test；然后在命令行中输入
tesseract test.png output_1 –l eng
【语法】: tesseract imagename outputbase [-l lang] [-psm pagesegmode] [configfile…]
imagename为目标图片文件名，需加格式后缀；outputbase是转换结果文件名；lang是语言名称（在Tesseract-OCR中tessdata文件夹可看到以eng开头的语言文件eng.traineddata），如不标-l eng则默认为eng。
打开文件output_1.txt，发现tesseract成功的将图像转换成 152408 。
可喜可贺，说明老牌名将tesseract还是很强的！但是还是有点不够准确，那么我们有没有什么办法能提高tesseract识别字符准确率呢？接下来，我们将使用配套训练工具 jTessBoxEditor 来训练样本，来提高我们的准确率！
2、Tesseract训练：
大体流程为：安装jTessBoxEditor -> 获取样本文件 -> Merge样本文件 –> 生成BOX文件 -> 定义字符配置文件 -> 字符矫正 -> 执行批处理文件 -> 将生成的traineddata放入tessdata中
安装jTessBoxEditor
下载jTessBoxEditor，地址 https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/ ；解压后得到jTessBoxEditor，由于这是由Java开发的，所以我们应该确保在运行jTessBoxEditor前先安装 JRE （Java Runtime Environment，Java运行环境）。
获取样本文件
我们可以用画图工具绘制样本文件，数量越多越好，我自己画了5张图，如图：
【注意】：样本图像文件格式必须为tif\tiff格式，否则在Merge样本文件的过程中会出现 Couldn’t Seek 的错误。
Merge样本文件
打开jTessBoxEditor，Tools->Merge TIFF，将样本文件全部选上，并将合并文件保存为num.font.exp0.tif
生成BOX文件
打开命令行并切换至num.font.exp0.tif所在目录，输入，生成文件名为num.font.exp0.box
tesseract num.font.exp0.tif num.font.exp0 batch.nochop makebox
【语法】：tesseract [lang].[fontname].exp[num].tif [lang].[fontname].exp[num] batch.nochop makebox
lang为语言名称，fontname为字体名称，num为序号；在tesseract中，一定要注意格式。
定义字符配置文件
在目标文件夹内生成一个名为font_properties的文本文件，内容为
font 0 0 0 0 0
【语法】：<fontname> <italic> <bold> <fixed> <serif> <fraktur>
fontname为字体名称，italic为斜体，bold为黑体字，fixed为默认字体，serif为衬线字体，fraktur德文黑字体，1和0代表有和无，精细区分时可使用。
字符矫正
打开jTessBoxEditor，BOX Editor -> Open，打开num.font.exp0.tif； 矫正<Char>上的字符，记得<Page>有好多页噢！
修改后记得保存。
执行批处理文件
在目标目录下生成一个批处理文件
-F font_properties -U unicharset -& pause
保存后执行即可，执行结果如图：
最终文件夹内会有以下文件，如图：
将生成的traineddata放入tessdata中
最后将num.trainddata复制到Tesseract-OCR中tessdata文件夹即可。
3、最后的测试
按照之前步骤，使用命令行输入
tesseract test.png output_2 -l num
我们可以看到新生成的文件output_2的内容为 762408 ，内容完全正确。细心的人会发现，最后一句指令，我们使用了指令[-l num]而不是[-l eng]。这说明，最后一次转换我们使用的是新生成的num语言的匹配库而不是默认的eng语言匹配库。
Tesseract-OCR识别中文与训练字库实例
关于中文的识别，效果比较好而且开源的应该就是Tesseract-OCR了，所以自己亲身试用一下，分享到博客让有同样兴趣的人少走弯路。
文中所用到的身份证图片资源是百度找的，如有侵权可联系我删除。
一、准备工作
1、下载Tesseract-OCR引擎，注意要3.0以上才支持中文哦，按照提示安装就行。
2、下载chi_sim.traindata字库。要有这个才能识别中文。下好后，放到Tesseract-OCR项目的tessdata文件夹里面。
3、下载jTessBoxEditor，这个是用来训练字库的。
以上的几个在百度都能找到下载，就不详细讲了。
二、识别
1、进入cmd，进入到要识别的图片的路径下。
2、输入命令
| 1 | tesseract 图片名称 生成的结果文件的名称 字库 |
例如我的图片识别就是：
| 1 | tesseract test.jpg result -l chi_sim |
识别完后会生成result.txt文件
当然啦效果不太理想。所以我们要训练自己的字库。
三、训练
1、将图片转换成tif格式，用于后面生成box文件。可以通过画图，然后另存为tif即可。
更改图片名字，这个是有要求的=。=
tif文面命名格式[lang].[fontname].exp[num].tif
lang是语言 fontname是字体
比如我们要训练自定义字库 mjorcen字体名normal
那么我们把图片文件重命名 mjorcen.normal.exp0.jpg在转tif。
2、生成box文件。
| 1 | tesseract mjorcen.normal.exp0.jpg mjorcen.normal.exp0 -l chi_sim batch.nochop makebox |
box文件和对应的tif一定要在相同的目录下，不然后面打不开。
3、打开jTessBoxEditor矫正错误并训练
打开train.bat
找到tif图，打开，并校正。
4、训练。
只要在命令行输入命令即可。
| 1 | tesseract mjorcen.normal.exp0.jpg mjorcen.normal.exp0 nobatch box.train |
| 1 | unicharset_extractor mjorcen.normal.exp0.box |
在这我明明已经矫正好了，但是还是有1个字符不能识别出来，报的错跟实际上完全没有相关性，不知道是不是bug，到后面的结果就是“园”字没有识别出来。
先不管，毕竟只有一个样本。
新建一个font_properties文件
里面内容写入 normal 0 0 0 0 0 表示默认普通字体
继续敲命令
| 123456789 | shapeclustering -F font_properties -U unicharset mjorcen.normal.exp0.tr mftraining -F font_properties -U unicharset -O unicharset mjorcen.normal.exp0.tr cntraining mjorcen.normal.exp0.tr |
最后会生成五个文件，把目录下的unicharset、inttemp、pffmtable、shapetable、normproto这五个文件前面都加上normal.
如图：
命令行输入，合并五个文件：
| 1 | combine_tessdata normal. |
得到训练好的字库。
四、测试
1、把 normal.traineddata 复制到Tesseract-OCR 安装目录下的tessdata文件夹中
2、识别命令：
| 1 | tesseract mjorcen.normal.exp0.jpg mjorcen.normal.exp0 -l normal |
3、效果
对比：
总结：肯定要自己训练过后的字库识别效果好，接下来要把整个项目弄进android，还要研究怎么将多个字库合并成一个字库，因为我不可能一次训练完所有的图片文字的。到时候有什么成果了再分享博文。希望大家可以点赞！谢谢。
更新：没有错误的话命令行的提示应该是这样的