tesseract本身代码是由c/c++混编而成的，其中有用的简单的接口函数几乎都是在baseapi.h中。
从其处理过程中，不难得出：它还需要有一个image处理的类，及相关的方法；这样子，读取图片后，生成image对象，再获取相关的参数；当然还需要有对image对象的读取，版面分析等接口函数；再次，它还定义了很多自身的数据类型，比如：BITS16、array_record、BLOCK、IMAGE等；而且它具有自学的能力。
现在，我们从头有调理地简单讲述一下子：
（1）tesseract::TessBaseAPI，基础的接口函数，包含了初始化，简单的 处理图片文字信息，版面分析的结果体等。
（2）IMAGE，只是一个类，里边封装了相关的图片操作，包括图片的读取，图片参数信息的获取等。
（3）其他，包括数据类型声明，相关结构体声明，跨平台处理，命令端参数提取等。
我们在实际中用到的就是前两个里边的东西。
声明：以下函数皆是在tesseract::TessBaseAPI域下
|
1: SetImage 函数声明： void tesseract::TessBaseAPI::SetImage |
( |
const unsigned char * |
imagedata, |
|
int |
width, |
||
|
int |
height, |
||
|
int |
bytes_per_pixel, |
||
|
int |
bytes_per_line |
||
|
) |
为Tesseract 提供待识别的图片。
2：SetSourceResolution
函数声明：
void
tesseract::TessBaseAPI::SetSourceResolution(int ppi)
设置源图像的分辨率（像素每英尺），可以计算最终的字体大小信息。 SetImage之后调用此函数。
3：SetRectangle
函数声明：
|
void tesseract::TessBaseAPI::SetRectangle |
( |
int |
left, |
|
int |
top, |
||
|
int |
width, |
||
|
int |
height |
||
|
) |
将识别限制到图像的一个子矩形区域，SetImage 之后调用此函数。每一次该函数调用后将清除识别结果，以便同一张图像可以进行多矩形区域的识别。
4：SetThresholder
函数声明：
void
tesseract::TessBaseAPI::SetThresholder(ImageThresholder * thresholder)
在一些特殊的情况下， 通常是产生一个阈值器类的子类的时候，该函数可以提供一个不同的阈值器，阈值器可能会随着图片和设定预装入，或者被随后设定。Tesseract 拥有阈值器支配权，并在它被替换或是API被析构后删除。
5：GetThresholdedImage
函数声明：
Pix *
tesseract::TessBaseAPI::GetThresholdedImage()
从Tesseract获得内部阈值图像的拷贝，在SetImage
或者TesseractRect 之后可以随时别调用。 注意，只有安装了Leptonica之后才可使用。
6：GetRegions
函数声明：
|
Boxa * tesseract::TessBaseAPI::GetRegions |
( |
Pixa ** |
pixa |
) |
以aleptonica-style
Boxa, Pixa pair 格式获得页面结构分析的结果，在Recognize前后均可被调用。
7：GetTextlines
函数声明：
|
Boxa * |
( |
Pixa ** |
pixa, |
|
int ** |
blockids |
||
|
) |
以aleptonica-style
Boxa, Pixa pair 格式获取文本行，在Recognize前后均可被调用。如果blockids（block数目）
是空的话，每行block- id返回每行一个元素的数组，使用之后被删除。
8：GetStrips
函数声明：
|
Boxa * |
( |
Pixa ** |
pixa, |
|
int ** |
blockids |
||
|
) |
以aleptonica-style
Boxa, Pixa pair 格式获取图像区域的文本行和条形区域，方便后面非矩形区域的处理。在Recognize前后均可被调用
9：GetWords
函数声明：
Boxa *
tesseract::TessBaseAPI::GetWords(Pixa ** pixa)
以aleptonica-style Boxa, Pixa pair 格式获取图像区域的文字，在Recognize前后均可被调用。
10：GetConnectedComponents
函数声明：
|
Boxa * tesseract::TessBaseAPI::GetConnectedComponents |
( |
Pixa ** |
pixa |
) |
在页面分析之后识别之间，以aleptonica-style
Boxa, Pixa pair 格式获得独立连通的文本区域，在Recognize前后均可被调用。
11：GetComponentImages
函数声明：
|
Boxa * tesseract::TessBaseAPI::GetComponentImages |
( |
level, |
|
|
bool |
text_only, |
||
|
Pixa ** |
pixa, |
||
|
int ** |
blockids |
||
|
) |
以aleptonica-style
Boxa, Pixa pair 格式获得制定级别的元素（block，textline, word），在Recognize前后均可被调用。果blockids（block数目）
是空的话，每行block- id返回每行一个元素的数组，使用之后被删除。如果text_only 为真， 只有text可被返回。
12：GetThresholdedImageScaleFactor
函数声明：
int
tesseract::TessBaseAPI::GetThresholdedImageScaleFactor()const
返回阈值图像的比例系数，该阈值图像由yGetThresholdedImage() 和调用了GetComponentImages()的GetX()函数返回。
13：DumpPGM
函数声明：
|
void tesseract::TessBaseAPI::DumpPGM |
( |
const char * |
filename |
) |
将内部二值图像放到PGM文件中。
14：AnalyseLayout
函数声明：
PageIterator *
tesseract::TessBaseAPI::AnalyseLayout()
以SetPageSegMode设定的模式进行页面结构分析,返回一个(iterator),错误返回为空。Iterator 使用后必须删除。注意：该函数指向TessBaseAPI 类内部的数据，因此必须在TessBaseAPI 存在的情况下才可被调用。不能被改变内部PAGE_RES的 Init, SetImage, Recognize, Clear, End DetectOS或者其他调用。
15：Recognize
函数声明：
int tesseract::TessBaseAPI::Recognize(ETEXT_DESC * monitor)
识别 来自SetAndThresholdImage的图像， 产生Tesseract
内部结构数据，成功返回0，如果需要，下面的Get*Tex函数会调用它。识别完成后，在SetImage之前，输出都会保持在内部。
16：RecognizeForChopTest
函数声明：
int
tesseract::TessBaseAPI::RecognizeForChopTest(ETEXT_DESC * monitor)
检索来自SetAndThresholdImage(), Recognize() or TesseractRect()的信息（在需要的情况下隐式调用Recognize）。对Recognize 变化一测试chopper.
17：ProcessPages
函数声明：
|
bool |
( |
const char * |
filename, |
|
const char * |
retry_config, |
||
|
int |
timeout_millisec, |
||
|
STRING * |
text_out |
||
|
) |
识别指定文件的所有页面，文件格式为(a multi-page tiff
or list of filenames, or single image),
并且根据参数（tessedit_create_boxfile, tessedit_make_boxes_from_boxes, tessedit_write_unlv,
tessedit_create_hocr.）得到合适的文本。在输入文件的每一页运行ProcessPage，输入文件可以是（a
multi-page tiff, single-page other file format, or a plain text list of images
to read）,返回值放在text_out中。如果tessedit_page_number 非负，程序将会在其所代表那一页开始。运行错误返回false. 如果程序暂停在某一页timeout_millisec （非负） 时间终止程序，或者由于某些原因一些页面处理失败，该页面将会以retry_config 的配置文件重新处理。
18：ProcessPage
函数声明：
|
bool |
( |
Pix * |
pix, |
|
int |
page_index, |
||
|
const char * |
filename, |
||
|
const char * |
retry_config, |
||
|
int |
timeout_millisec, |
||
|
STRING * |
text_out |
||
|
) |
为
ProcessPages进行单页面识别。Text放到text_out中， pix是文件名，page_index是边缘处理后的元数据，比如box文件，或者hOCR格式文件。
19：GetIterator
函数声明：
ResultIterator * tesseract::TessBaseAPI::GetIterator()
为 LayoutAnalysis
and/or Recognize运行结果获取读取顺序的迭代器（iterator），使用之后删除。
20：GetMutableIterator
函数声明：
MutableIterator *
tesseract::TessBaseAPI::GetMutableIterator（）
为 LayoutAnalysis
and/or Recognize运行结果获取可变的迭代器（iterator），使用之后删除。
21：GetUTF8Text
函数声明：
char * tesseract::TessBaseAPI::GetUTF8Text()
识别的文本被返回为字符指针，以UTF8编码（must be
freed with the delete [] operator）。从内部数据结构中获得文本字符串。
22：
函数声明：
char *
tesseract::TessBaseAPI::GetHOCRText(int page_number)