没搞过计算机视觉，只好拿来主义了：
根据网上的推荐：
1. google vision，识别效果还不错，收费，而且对于复杂文本也不是很理想，所以继续寻找开源代码；
2. tesseract，最负盛名的开源识别软件，据说google vision内部也是基于此。
就我们公司的需求来说（提取图片中嵌入的文本），tesseract能识别30%左右的good case，剩下20%凑合，剩下多数是没有文本的；所以技术上来说需求就转化成了good case判定和一般case的除噪，具体就不说了，真是一篇好水的blog