谷歌开源OCR，tesseract-ocr使用笔记

官方教程地址：https://github.com/tesseract-ocr/tesseract/wiki/Compiling

测试版本为

root@9a2a063f9534:/tesseract/testing# tesseract -v

tesseract 4.00.00dev--gcdc3533

 leptonica-1.74.

  libjpeg 8d (libjpeg-turbo 1.4.) : libpng 1.2. : libtiff 4.0. : zlib 1.2.

 Found AVX2

 Found AVX

 Found SSE

一、Docker + Ubuntu

git clone git@github.com:tesseract-ocr/tesseract.git

cd tesseract

docker pull ubuntu:latest

docker build -t google-ocr:latest .

docker run -itd --name ocr google-ocr:latest /bin/bash
docker exec -it ocr /bin/bash

进入环境后，需要训练功能要执行下面第二条

apt-get install -y  g++ autoconf automake libtool autoconf-archive pkg-config libpng-dev libjpeg8-dev libtiff5-dev zlib1g-dev git

#training

apt-get install -y libicu-dev libpango1.-dev libcairo2-dev

Leptonica

Tesseract    Leptonica    Ubuntu

4.00    　　　1.74.    　　Must build from source

官网给出必须源码安装，所以去找源码安

cd /tmp

git clone https://github.com/DanBloomberg/leptonica.git

cd leptonica

autoreconf -vi

./autobuild

./configure

make

make install

安装主体ocr

cd /tesseract

./autogen.sh

LIBLEPT_HEADERSDIR=/usr/include

./configure --with-extra-libraries=/usr/local/lib

make install

测试安装是否成功

tesseract

tesseract -v

下载字库模型，选自己需要的就行了

字库地址：https://github.com/tesseract-ocr/tessdata

手册地址：https://github.com/tesseract-ocr/tesseract/wiki/Data-Files

将字库放入指定路径

export TESSDATA_PREFIX=/tesseract/tessdata
cp xxx.traindata /tesseract/

执行测试

cd /tesseract/testing

#english

tesseract phototest.tif result -l eng

#chinese

tesseract chi.jpg result1 -l chi_sim

检查输出

cat result.txt

cat result1.txt

可通过训练提高精度，训练方法见官方文档，这个我没试过。

附录：

python 调用接口：https://www.pyimagesearch.com/2017/07/10/using-tesseract-ocr-python/

python 官方调用依赖：https://github.com/madmaze/pytesseract

巴特西

谷歌开源OCR，tesseract-ocr使用笔记

Leptonica

最新文章

热门文章