如何在安卓系统里使用python结合Tess-Two进行OCR识别

如何在安卓系统里使用python结合Tess-Two进行OCR识别

前几个月因为想了解一下统计学习算法，本来是用MATLAB，但是后来网上都推荐用tenserflow，反正我的C++也没学完，C也基本都忘了，就只会用MFC写点小程序，就转向重新学习python了，python的确很方便，安装过程嘛，就是各种install,apt,get,非常符合我这种懒人特性，后来统计学习算法遇到一些障碍，一直没法优化，感觉整体就会三板斧，调参、改算法什么都不会，还要继续学习，手上的小米note刚好的淘汰，就想先用Python结合小米note进行各种APP的每日签到活动，本来是电脑adb连接手机，控制手机签到，这一步利用tesseract基本实现了，但是！为了每天不到一块钱，就要我的笔记本一直运行，实在是有点浪费电脑性能，就想移植到andriod系统上，手机自己运行程序，adb移值还好实现，但是tesseract转到andriod系统的过程中，因为没有太多的前人经验可以借鉴（因为是使用python环境，如果是C++和ndk+elipse，就可以参考网上教程了），所以遇到了许多的坑，经过断断续续的不懈努力（几度想放弃了），总算实现了基本功能，虽然Python+Tess-Two这个结合比较奇怪，但本着分享学习、共同进步的初衷，也将过程写下来给后面有需求的人一点提示，这就是写本篇文档的原因。

一、tess-two介绍

光学字符识别(OCR,Optical Character Recognition)是指对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息的过程。Tesseract的OCR引擎最先由HP实验室于 1985年开始研发，至1995年时已经成为OCR业内最准确的三款识别引擎之一。然而，HP不久便决定放弃OCR业务，Tesseract也从此尘封。
数年以后，HP意识到，与其将Tesseract束之高阁，不如贡献给开源软件业，让其重焕新生－－2005年，Tesseract由美国内华达州信息技术研究所获得，并求诸于Google对Tesseract进行改进、消除Bug、优化工作。
Tesseract目前已作为开源项目发布在Google Project，其项目主页在这里查看，其最新版本3.0已经支持中文OCR，并提供了一个命令行工具。
因为Tesseract使用C++实现的，在Android中不能直接使用，需要封装JavaAPI才能在Android平台中进行调用，这里我们直接使用TessTwo项目，tess-two是TesseraToolsForAndroid的一个git分支，使用简单，切集成了leptonica，在使用之前需要先从git上下载源码进行编译，不能简单使用别人编译好的.so，因为你要自己写调用接口方法。
Tess-two在git上地址为：https://github.com/rmtheis/tess-two
字库资源
英文字符，eng.traineddata https://github.com/tesseract-ocr/langdata
中文字符，chi_sim.traineddata http://download.csdn.net/download/fu_shuwu/10021639

二、运行环境准备

手机系统：小米miui(andriod7.0)，qpython，python3.0
电脑系统：win10，cygwin，android-ndk-r16b
电脑因为是win10,编译环境需要下载cygwin软件，这个直接搜索下载就是，安装过程大体可参考这个文档：https://blog.csdn.net/chunleixiahe/article/details/55666792
建议不要下载整个devel，不知道是不是连接外网的原因，速率有时会卡，就在上面文档的基础上再上一个devel-make就差不多了，设置系统环境。
然后下载android-ndk-r16b解压，修改你的cygwin位置/home/你的用户名/.bash_profile，添加NDK=/cygdrive/e/pycode/android-ndk-r16b export NDK export PATH= N