Tesseract On Android第一篇：开发环境搭建

开发环境说明：Android Studio2.3+Tesseract3.05

一、获取谷歌开源OCR引擎动态库

1. 原生态编译

    原生态编译会涉及很多的源文件，编译过程可以参考这篇外文博客：

http://www.codepool.biz/making-an-android-ocr-application-with-tesseract.html

出现的问题（待解决）：

(1) 下载的资料包里面，引导步骤和这篇博客描述的不太一样

(2) 编译libjpeg的时候，提示源码目录里面没有“编译规则”（里面没有android.mk文件）

因此，我们直接编译GitHub上面的开源项目源码就可以了，原生态编译待更新。

 

2. 直接编译Github上面的开源项目

    Github上面有一个优秀的开源项目，解决了安卓平台上使用tesseract繁琐地编译各种源码包的问题。项目中集成了tesseract源码及其所需要的依赖库，还编写好了android.mk文件，直接使用NDK进行编译即可得到安卓平台能够使用的动态库文件（xxx.so）。

开源项目Github下载地址：https://github.com/rmtheis/tess-two

微软收购Github之后，原本的Github上大部分的数据资源地址都进行了迁移（听说都迁到Git-tow上了），这个地址已经失效，不过我已经提前下载好源码包了，文末有下载链接(Tess-two-master.rar)。解压到当前文件夹，之后的目录结构如下图：

                                                 

README.md文件里面有关于整个目录下所有资源的介绍，从这个文件里面，可以获取到关于这个开源项目的几条重要信息：

(1) Tesseract版本号和各种依赖库以及依赖库的版本号

(2) 要求Android 2.3系统以上

(3) 在安卓系统中，字库存放的目录有着严格的规定：必须存放在根目录下的tessdata目录里面。

(4) 如何使用Android Studio进行编译、如何在安卓系统中使用tesseract

(5) 获取资料文档的链接地址

(6) 其他

注：解压之后的这个目录很重要，接下来的编译操作是基于这个目录进行的。

编译生成动态库的两种方式

2.1）直接将源码集成到AS[ Android Studio简写为AS ]，然后使用AS进行编译

    这种方式是将整个tess-two目录拷贝到AS工程里面，然后修改便编译规则，通过AS编译器使用NDK进行编译，这种方式编译容易出错。

2.2）单独编译

    在Windows使用NDK命令进行单独编译，编译得到动态库之后，再拷贝到AS工程里面进行库的应用。使用这种方式就比较简单，也不容易出错。接下来，详细介绍编译过程。

 

二、NDK编译tesseract

    使用NDK编译tesseract，得到共享库文件，才能集成到Android Studio中去使用。首先新建一个目录来存放最终的结果文件，比如我新建了一个目录“mytess”（随便在哪里新建都可以，就是新建一个普通的目录文件而已），该目录用于存放编译得到的最终库文件。

1. 打开DOS命令行，进入tess-two目录，如下图：

                               

2. 使用NDK进行编译

    NDK版本不能太高，并且要选合适的版本，编译的时候才不会出错。经过多次尝试，使用这个压缩包：android-ndk-r13b-windows-x86_64.zip   能够顺利编译（文末有下载链接），并且得到的库也能使用。直接将该压缩包解压到某个目录下即可，最好是放到Android Studio的安装包管理目录下，便于查找（其实解压到哪里都可以，方便自己查找即可），比如：

                                

   因为要使用ndk命令来进行编译，所以，要么将可执行文件的路径添加到系统环境变量里面，重启windows生效，要么在使用的时候，指定可执行文件的绝对路径（这里笔者使用第二种方式，指定可执行文件命令坐在的绝对路径）。

在编译之前，先简单分析一下编译的脚本文件。

2.1）分析编译脚本

进入jni目录下。也就是这个目录tess-two-master\tess-two\jni

                                

简单分析两个xxx.mk文件,如下。

Android.mk ：用于指定相关的源码目录，内容如下

LOCAL_PATH :    = $(call my-dir) TESSERACT_PATH := $(LOCAL_PATH)/com_googlecode_tesseract_android/src LEPTONICA_PATH := $(LOCAL_PATH)/com_googlecode_leptonica_android/src LIBJPEG_PATH :   = $(LOCAL_PATH)/libjpeg LIBPNG_PATH :   = $(LOCAL_PATH)/libpng   # Just build the Android.mk files in the subdirs include $(call all-subdir-makefiles)

Application.mk：用于指定，编译生成哪些目标平台可用的库

APP_STL := gnustl_static APP_ABI := armeabi armeabi-v7a x86 mips     APP_OPTIM := release APP_PLATFORM := android-9 APP_CPPFLAGS += -fexceptions -frtti NDK_TOOLCHAIN_VERSION := clang

arm架构的手机CPU是目前主流架构，几乎占有了100%的市场占有率。下面是不同的CPU架构简单的对比

(1) mips/mips64：现在已经很少用于手机了，可以忽略 (2) x86/x86_64 ：x86架构的手机市场占有率为1%一下 (3) armeabi       ：这是比较老，比较旧的版本，没有对浮点数运算的硬件支持 (4) meabi-v7a   ： 目前的主流，2011年以后生产的大部分安卓设备都使用它 (5) arm64-v8a   ：第8代，64位的ARM处理器，比较少的设备在使用。

    在这个脚本里面，指定编译生成四种平台可用的库文件，当然我们也可以自由删减，加快编译速度，修改这一行即可（记得不同的平台选项，使用空格隔开）。

APP_ABI := armeabi armeabi-v7a x86 mips 

2.2）编译

使用DOS命令行进入tess-two目录，输入编译命令进行编译，编译命令为：

D:\andriod_studio\NDK\android-ndk-r13b\ndk-build.cmd -j8

注：NDK路径---D:\andriod_studio\NDK\android-ndk-r13b，如下：

                                

参数：-j8是为了加快编译速度

DOS命令行如下

                                

编译中

                                

编译完毕

                               

编译完之后，tess-tow目录下多了一个目录libs，该目录里面有已经编译好的几个目标平台可用的共享库。

                               

对于安卓移动设备来说，我们只需要关心这两个目录即可：armeabi、armeabi-v7a。这里把这四个目录都拷贝出来，放到mytess目录下。

 

三、AS工程中使用tesseract相关的JAVA源码以及动态库的引用

方式1：直接集成源码

Tesseract集成到AS里面，除了需要上面编译得到的动态库文件之外，还需要集成相关的JAVA源码（以JNI的方式来使用），这部分源码位于：E:\tess-two-master\tess-two\src\com，也就是整个googlecode目录下的xxx.java文件。

配置的时候，直接将整个googlecode目录复制到AS项目里面的src/main/java目录下即可。可将这部分源码复制到“mytess”目录里面去（后面具体的使用这种方式配置AS工程的时候会用到）。

方式2：打包相关源码

    可以先将这部分源码打包，之后在AS工程中导入jar包即可。xxx.jar只里面只有xxx.class文件和清单文件，不包含任何资源文件。 那么该如何打包？ 答：借助Android Studio来进行打包，所以接下来，首先要完成这部分工作。

对比两种方式：如果直接使用源码，那么可以自己修改某些源码。如果打包成jar，那么只能查看而修改不了，但是打包成jar的话，优点是方便移植。不管是方式1还是方式2，都需要依赖动态库文件xxx.so。

 

四、使用AS打包源码
1. 新建工程
首先，新建一个简单的AS工程，工程名为MakeJar，如下：  

                               

一路选择默认设置，最后选择一个空的Activity模板，完成创建，如下：
                               

2. 新建类库模块并编译
2.1） 新建一个类库模块

                               

选择Android Library

                               

这里可以使用默认的库模块名，也可以自由更改。

                               

创建完成

                               

这个模块和app模块是同一级的，并且具有相似的目录结构。

这样就可以建立一个类库了，把要打包的java源码放到类库的xxx/src/main/java目录下，因此，我们把Googlecode目录复制进去。复制过来之后，需要同步一下工程，就可以看到添加进来的源码了。
                               

                               
 最后进行打包操作，如下：

                               

等待执行完成后，类库源码模块就被打包成了jar包，默认的输出目录是类库的mylibrary/build/intermediates/bundles/debug目录下，并且默认的名称为classes.jar。如下（文末附有下载这个工程的链接）：

                               

把classes.jar拷贝出来，放到mytess目录下。

    到此为止，前期工作已经做好了，所有需要用得到资源文件，已经都统一拷贝到了mytess目录下。该目录下一共就有三大类文件：

（1）动态库文件

（2）tesseract相关源码文件[xxxx.java]

（3）jar包[xxx.class]

目录里面的内容如下（文末附有下载这个目录的链接）：

                               
接下来，就可以开始配置工程（分别使用上文中的方式1和方式2）。

下一篇：Tesseract On Android第二篇：配置AS工程

 

附：各种资源文件下载链接

开源项目tess-two-master源码包下载链接：https://pan.baidu.com/s/1VS9qB-MAvf6qtbZ_IlkdmA

NDK下载链接              ：https://developer.android.google.cn/ndk/downloads/

MakeJar工程下载链接 ：https://pan.baidu.com/s/1yn_KsUsago3YPhqMakWXUw

mytess目录下载链接    ：https://pan.baidu.com/s/1EisVKv6aVybu5df3D5dm_g