linux安装Tesseract文本提取

系统：CentOS7

1、安装依赖包

依赖包： autoconf automake libtool libjpeg libpng libtiff zlib libjpeg-devel libpng-devel libtiff-devel zlib-devel

可以使用 rpm -qa |grep autoconf 命令检查依赖包是否存在，有返回一般就是存在的，无返回不存在，需要手动安装。

一般前面几个都有，后面几个一般不存在，需要手动安装。安装之前使用  uname -a 检查系统平台：3.10.0-327.el7.x86_64 。安装的rpm包需符合.el7.x86_64版本。

libjpeg-devel这个几个包需要和libjpeg版本相同。比如 rpm -qa |grep libpng ：libpng-1.5.13-5.el7.x86_64。则libpng-devel也要是libpng-devel-1.5.13-5.el7.x86_64。

几个rpm链接：

http://www.rpm-find.net/linux/RPM/index.html

https://pkgs.org/download/

http://rpm.pbone.net/

 

2、安装leptonica

不同的Tesseract版本对应不同的Leptonica依赖包，注意版本。leptonica官网介绍了Tesseract版本和leptonica之间的依赖，Tesseract4.0需要不低于leptonica 1.73。这里在官网下载了最新版1.76.0。

解压： tar -vzxf leptonica-1.76.0.tar.gz

安装：

 ./configure

make

make install

ldconfig

 

3、安装Tesseract

在Tesseract的github主页找到源码包，如果是识别中文的话需要下载4.0.0版本，在主页releases下面找到4.0.0源码包。

解压：tar -vzxf tesseract-4.0.0-beta.1.tar.gz

安装：

./autogen.sh

./configure

##如果没有问题，继续下面命令，如果报autoconf-archive错误，下载安装autoconf-archive包。再重新执行上面两条命令。

make

make install

ldconfig

 

4、文本识别

执行 tesseract --help 查看使用命令

执行 tesseract --list-langs 查看支持的语言包

        如果出现下面的错误：

        Error opening data file /usr/local/share/tessdata/eng.traineddata
          Please make sure the TESSDATA_PREFIX environment variable is set to your "tessdata" directory.
          Failed loading language 'eng'

          Tesseract couldn't load any languages!

           检查tessdata目录中是否有.trainedata语言包，如果没有，在这里下载中英文语言包。放到自己的tessdata目录中。如果           错误信息的目录中没有tessdata目录，则可以通过 export TESSDATA_PREFIX=自己的tessdata文件所在目录（不包含                   tessdata），设置环境变量。

测试 tesseract 001_1.jpg res -l chi_sim --oem 1 --psm 7 会在当前目录下生成识别结果的res.txt文件。也可以更改oem和psm参数，具体用法 tesseract --help-extra。

识别结果和语言包有关，针对特定场景，比如身份证识别、门牌识别可以自己训练语言包。