brew安装指定版本ruby_1. MacOS安装使用Tesseract-OCR进行图文识别

最新推荐文章于 2024-03-06 11:18:46 发布

weixin_39753584

最新推荐文章于 2024-03-06 11:18:46 发布

阅读量206

点赞数

文章标签： brew安装指定版本ruby

开源软件：Tesseract^[1]

维基百科：Tesseract^[2]

在MacOS系统中使用Homebrew安装Tesseract

在MacOS的终端Terminal.app中安装Homebrew，而后可以快捷方便下载任何官方软件包，保存路径统一，查找方便。

查找终端Terminal.app的位置

快捷键 Shift+Command+A ，打开finder的app文件夹（即/Applications）
打开实用工具文件夹的终端.app （位置：/Applications/Utilities/Terminal.app ）

2. 安装Homebrew^[3]

homebrew是osx下的一个包管理工具，可以方便的管理各类包。
官方给出的定义是macOS缺失的软件包管理器。 ^[4]

安装只需要在终端Terminal.app中，输入代码：（最新代码以官网Homebrew公布为准）

※Homebrew的基本操作命令（可暂先不看）

更新：brew update
查看版本：brew -v
帮助信息：brew -h

查询软件的详细信息：brew info <软件名>
查看安装列表：brew list

安装软件包：brew install <软件名>
卸载软件包：brew uninstall <软件名>
彻底卸载指定软件，包括旧版本：brew uninstall --force <软件名>

搜索软件：brew search <正则表达式/软件名>
更新所有软件包：brew upgrade <软件名>
查询有更新版本的软件：brew outdated
清理指定软件的过时包：brew cleanup <软件名>
清理所有的过时软件：brew cleanup
列出需要清理的内容：brew cleanup -n

用浏览器打开相关包的页面：brew home <软件名>
显示包依赖：brew deps <软件名>
锁定某个包：brew pin $FORMULA
取消锁定：brew unpin $FORMULA
查看已安装的包的依赖，树形显示：brew deps --installed --tree

3. 在终端Terminal.app中，通过brew查看Tesseract的相关信息

输入：

brew info tesseract

输出：

可以看到 Tesseract 版本号，安装文件位置，文件数量，文件大小

tesseract: stable 4.1.1 (bottled), HEAD
OCR (Optical Character Recognition) engine
https://github.com/tesseract-ocr/
/usr/local/Cellar/tesseract/4.1.1 (65 files, 29.6MB) *
  Poured from bottle on 2020-02-12 at 16:58:17
From: https://github.com/Homebrew/homebrew-core/blob/master/Formula/tesseract.rb
==> Dependencies
Build: autoconf ✘, autoconf-archive ✘, automake ✘, libtool ✘, pkg-config ✘
Required: leptonica ✔, libtiff ✔
==> Options
--HEAD
	Install HEAD version
==> Caveats
This formula contains only the "eng", "osd", and "snum" language data files.
If you need any other supported languages, run `brew install tesseract-lang`.
==> Analytics
install: 62,766 (30 days), 198,380 (90 days), 765,471 (365 days)
install-on-request: 6,102 (30 days), 19,486 (90 days), 84,858 (365 days)
build-error: 0 (30 days)

其中：

==> Caveats
This formula contains only the "eng", "osd", and "snum" language data files. If you need any other supported languages, run `brew install tesseract-lang`.

此条写明，标准包中语言只包括几种语言数据。如果想要更多支持语言，需要输入：

brew install tesseract-lang ^[5]

3. 安装Tesseract，并支持多语言

输入：

brew install tesseract-lang

输出：

安装完成

==> Downloading https://homebrew.bintray.com/bottles/little-cms2-2.10.mojave.bot
==> Downloading from https://akamai.bintray.com/1d/1d92fdb6dfbacebb2431da4c3c9e2
######################################################################## 100.0%
==> Downloading https://homebrew.bintray.com/bottles/tesseract-lang-4.0.0.mojave
==> Downloading from https://akamai.bintray.com/63/631211ef37fcafa9a3fac6a7cd6ca
######################################################################## 100.0%
==> Installing dependencies for tesseract-lang: little-cms2
==> Installing tesseract-lang dependency: little-cms2
==> Pouring little-cms2-2.10.mojave.bottle.tar.gz
   /usr/local/Cellar/little-cms2/2.10: 21 files, 1MB
==> Installing tesseract-lang
==> Pouring tesseract-lang-4.0.0.mojave.bottle.tar.gz
   /usr/local/Cellar/tesseract-lang/4.0.0: 163 files, 651.8MB

4. Tesseract-OCR的基本操作命令

输入：

 tesseract -h

输出：

Usage:
  tesseract --help | --help-extra | --version
  tesseract --list-langs
  tesseract imagename outputbase [options...] [configfile...]

OCR options:
  -l LANG[+LANG]        Specify language(s) used for OCR.
NOTE: These options must occur before any configfile.

Single options:
  --help                Show this help message.
  --help-extra          Show extra help for advanced users.
  --version             Show version information.
  --list-langs          List available languages for tesseract engine.

5. Tesseract-OCR用法^[6]

{-l lang

imagename：需要识别的图片名称，直接拖拽进入。

outputbase：输出结果的txt文件的名称，不需要标注后缀，输出直接就是txt格式。

lang：指定输出语言。默认是英文。需要识别简体中文，输入：-l chi_sim，需要识别简体中文和英文，输入：-l chi_sim+eng。

pagesegmode：识别模式，包括如下：

0 = Orientation and script detection (OSD) only.
1 = Automatic page segmentation with OSD.
2 = Automatic page segmentation, but no OSD, or OCR
3 = Fully automatic page segmentation, but no OSD. (Default)
4 = Assume a single column of text of variable sizes.
5 = Assume a single uniform block of vertically aligned text.
6 = Assume a single uniform block of text.
7 = Treat the image as a single text line.
8 = Treat the image as a single word.
9 = Treat the image as a single word in a circle.
10 = Treat the image as a single character.

6. Tesseract-OCR识别操作

样例图片：

输入：（需要识别中文+英文）

tesseract /Users/AAA/Desktop/ffmpeg1.png out -l chi_sim+eng

输出：

在用户名下查看文件：

准确无误！

参考

^Tesseract的GitHub地址： https://github.com/tesseract-ocr/tesseract/
^Tesseract的wiki解释： https://github.com/tesseract-ocr/tesseract/wiki
^Homebrew官网： https://brew.sh
^Homebrew中文说明： https://brew.sh/index_zh-cn
^Tesseract支持更多语言： https://blog.csdn.net/weixin_40368256/article/details/100624099
^Tesseract-OCR用法： https://www.itread01.com/content/1547557393.html