Tesseract-OCR 4.1.0 安装和使用— windows及CentOS

习琴發表於 2019-12-30 15:53:00

Tesseract-OCR 4.1.0 安装和使用— windows及CentOS

<img src="https://img2018.cnblogs.com/blog/298108/201912/298108-20191225163314466-317946843.jpg" alt="" width="1000">
 OCR(Optical character recognition) —— 光学文字识别，是图像处理的一个重要分支，中文的识别具有一定挑战性，特别是手写体和草书的识别，是重要和热门的科学研究方向
截止笔者发文（2019.12.25），tesseract-ocr 最新发布的稳定版本是4.1.0. 而tesseract-ocr依赖于leptonica——最新稳定版本是1.78.0
安装说明
<ul>
<li>Windows（下载下来一路无脑，点下一步就好）</li>
</ul>
（1）详情请移步至如下链接，下载安装：
https://github.com/UB-Mannheim/tesseract/wiki
（2）配置环境变量（跟JAVA一样）及添加TESSDATA_PREFIX请参见：
https://www.cnblogs.com/jianqingwang/p/6978724.html
注意需要下载训练集—traineddata：
https://github.com/tesseract-ocr/tessdata
中文请选如下4个：
chi_sim.traineddata （简体— 对于宋体，像素>= 300dpi:识别率高达%100，同时对英文及阿拉伯数字识别率高达百分之90以上） chi_sim_vert.traineddata （简体，竖排） chi_tra.traineddata （繁体） chi_tra_vert.traineddata（繁体，竖排）【CoderBaby】
 
<ul>
<li>CentOS 6 （这个网上的安装方案很少，真正可行的基本没有）</li>

</ul>
（1）下载Leptonica 和 Teseract 源码
wget http://www.leptonica.org/source/leptonica-1.78.0.tar.gz wget https://github.com/tesseract-ocr/tesseract/archive/4.1.0.tar.gz
（2）配置、编译和安装
<code>leptonica</code>
<code> </code>
 $ tar xzvf leptonica-1.78.0.tar.gz $ cd leptonica-1.78.0 $ ./configure $ make $ sudo make install
<code>
 Tesseract-OCR
</code>
 $ tar xzf tesseract-ocr-4.1.0.tar.gz $ cd tesseract-4.1.0 $ ./autogen.sh $ ./configure $ make $ sudo make install $ sudo ldconfig
<code>*****************************************************************************</code>
<code>在安装Tesseract-OCR过程中一步一错，具体错误和解决办法如下：</code>
 安装：
（1）yum install tesseract
【Error】download出错，镜像163（可能网易的没有）下载失败
【Solution】更换阿里镜像
 切换到yum repo配置目录： cd /etc/yum.repos.d
 备份基础repo: sudo mv CentOS-Base.repo CentOS-Base.repo.backup
 （2）下载tesseract key校验出错
 【Error】GPG key retrieval failed: Could not open/read file:///etc/pki/rpm-gpg/RPM-GPG-KEY-EPEL-6
【Solution1】不检查key了—— 绕过方案
编辑epel.repo: vim /etc/yum.repos.d/epel.repo 
改参数： gpgcheck=1 改为 gpgcheck=1
【Solution1】导入key —— 真正解决方案 
<pre><code>cd /etc/pki/rpm-gpg use <code>rpm --import http://download.fedoraproject.org/pub/epel/RPM-GPG-KEY-EPEL-6</code>  或者（从epel下载安装RPM package） yum -y install http://mirror.pnl.gov/epel/6/i386/epel-release-6-8.noarch.rpm 或者 手动将key拷贝到正确目录</code></pre>
详情请参考： https://unix.stackexchange.com/questions/132757/how-to-automatically-accept-epel-gpg-key
*****************************************************************************
（3）下载语言包，并且拷贝到testdata
<pre><code>$ wget http://tesseract-ocr.googlecode.com/files/tesseract-ocr-3.02.eng.tar.gz
$ tar xzf tesseract-ocr-3.02.eng.tar.gz
$ sudo cp tesseract-ocr/tessdata/* /usr/local/share/tessdata 注：如果没有C编译器，先安装gcc，具体请移步参考—— https://linuxhostsupport.com/blog/how-to-install-gcc-on-centos-7/ 如果安装失败，需要配置软件源 </code>使用方法</pre>
参数的使用有两种:
<ul class="org-ul">
<li>
使用 -c 选项来设定单项参数的值，比如:
<div class="org-src-container">
<pre class="src src-sh">tesseract paper.png paper -l chi_sim -c language_model_ngram_on=1 其中，parer.png是源文件（图片，文件完整路径名请自行添加），paper是输出文件名（默认为txt文件）； -l 指定训练集（chi_sim —— 简体中文）</pre>
</div>
允许使用多个 -c 选项来设置多个参数的值。
</li>
<li>将多项参数设置写入文件，然后在识别时使用该文件，比如:</li>
</ul>
<div class="org-src-container">
<pre class="src src-sh">　　tesseract paper.png paper -l chi_sim tess.conf</pre>
<hr>
<pre class="src src-sh"><code class="bash plain">(4）更简便的方法是使用yum方式安装（会根据CentOS版本选择对应的Tesseract） yum </code><code class="bash functions">install</code> <code class="bash plain">epel-release （一定要先装，不然安装tesseract会报错：No package tesseract available.） </code><code class="bash plain">yum </code><code class="bash functions">install</code> <code class="bash plain">tesseract</code></pre>
<div class="line number3 index2 alt2"><code class="bash plain"> 中文包</code></div>
<div class="line number4 index3 alt1"><code class="bash plain"> yum </code><code class="bash functions">install</code> <code class="bash plain">tesseract-langpack-chi_sim.noarch</code></div>
<div class="line number5 index4 alt2"><code class="bash plain"> 训练文件位于</code></div>
<div class="line number6 index5 alt1"><code class="bash plain"> /usr/share/tesseract/tessdata/</code></div>
<div class="line number6 index5 alt1"> </div>
</div>
参考：
1）https://stackoverflow.com/questions/23792373/installing-tesseract-ocr-on-centos-6
2）http://www.zmonster.me/2015/04/17/tesseract-install-usage.html 
 
 本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接，否则保留追究法律责任的权利。
************************************************************************
精力有限，想法太多，专注做好一件事就行
<ul>
<li>我只是一个程序猿。5年内把代码写好，技术博客字字推敲，坚持零拷贝和原创</li>
<li>写博客的意义在于打磨文笔，训练逻辑条理性，加深对知识的系统性理解；如果恰好又对别人有点帮助，那真是一件令人开心的事</li>
</ul>
************************************************************************
  
来源：https://www.cnblogs.com/NaughtyCat/p/how-to-install-tesseract-ocr-on-windows-and-centos.html

頁: [1]

琼殿技术论坛's Archiver

Tesseract-OCR 4.1.0 安装和使用— windows及CentOS