文字识别(一) Tesseract识别与jTessBoxEditor环境搭建

一、Tesseract安装

下载方式一:

tesseract官方下载地址 https://digi.bib.uni-mannheim.de/tesseract/

其中带有dev的是开发版，不带的是稳定版，可以选择稳定版下载。

下载方式二:

第一种方式如果没有进行科学上网，可能下不下来，这时候可以使用第二种方式。

1.进入 https://github.com/tesseract-ocr/tesseract找到如下图所示，点击

2.进入到 https://tesseract-ocr.github.io/tessdoc/Home.html，里面mac,linux，windows等版本都有，因为我是windows系统，所以找到如下图所示，点击

3.进入到 https://github.com/UB-Mannheim/tesseract/wiki，找到系统对应的版本，下载安装

安装完成后，将安装路径(如：C:/java/Tesseract-OCR)配置到环境变量

配置完成，后打开cmd命令窗口，输入

tesseract -v

如看到以下输出，即代表Tesseract配置完成：

 

注:如果使用python环境测试，需要做一点改变:

在pytesseract安装后，在python的Lib目录下site-packges下会生成一个pytesseract文件夹，文件夹中找到pytesseract.py，路径在：C:/JAVA/Python36/Lib/site-packages/pytesseract，打开pytesseract.py，找到如下两行：

# CHANGE THIS IF TESSERACT IS NOT IN YOUR PATH, OR IS NAMED DIFFERENTLY
tesseract_cmd = 'tesseract'

将tesseract_cmd = 'tesseract'修改为：tesseract_cmd = 'C:/JAVA/Tesseract-OCR/tesseract.exe'

代表将tesseract_cmd配置为你安装tesseract-ocr的绝对路径，再去运行python代码，就没问题了。

 

二、jTessBoxEditor下载

以下介绍是官方网站下载方式，鉴于较慢，我在百度网盘准备了一份，点击下载 提取码：nbc3 

1.访问官方地址 http://vietocr.sourceforge.net/training.html，如下图所示，点击

2.进入到 https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/ 选择版本下载

zip结尾的，下载哪个版本都行。

 

注:jTessBoxEditor是依赖java环境的，如果没有安装jre无法运行

jre下载地址:http://www.oracle.com/technetwork/java/javase/downloads/jre8-downloads-2133155.html

本章对jre安装和环境配置不做介绍，如不会安装请自行百度

 

本节结束，下节介绍使用工具进行样本训练。