linux安装tesseract支持tess4j图片识别

简介

因公司需求要识别上传图片中的相关信息，因此选择了tees4j实现相关功能，其中直接通过tess4j识别不是很好，所以通过java代码对图片进行了处理之后再用tess4j进行识别，在部署到linux服务器时需要安装tesseract，因此写下这篇文章作为记录。楼主使用的是tesseract-4.1.1版本，下面介绍安装步骤。

1、安装依赖

yum install autoconf automake libtool libjpeg-devel libpng-devel libtiff-devel zlib-devel gcc gcc-c++

2、下载压缩包

建议去官网下载好后上传到服务器，可通过下方传送门下载
leptonica-1.79.0.tar.gz
tesseract-4.1.1.tar.gz
下载好后放在自己定义好的服务器文件夹中

3、安装

统一安装在/usr/local/下

3.1、先安装leptonica

执行命令

mkdir  /usr/local/leptonica
tar -xzvf leptonica-1.79.0.tar.gz
cd leptonica-1.79.0
./configure --prefix=/usr/local/leptonica  && make  && make install

3.2、配置leptonica环境变量

执行命令

vim /etc/profile

在文件末尾追加配置

PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/leptonica/lib/pkgconfig
export PKG_CONFIG_PATH
CPLUS_INCLUDE_PATH=$CPLUS_INCLUDE_PATH:/usr/local/leptonica/include/leptonica
export CPLUS_INCLUDE_PATH
C_INCLUDE_PATH=$C_INCLUDE_PATH:/usr/local/leptonica/include/leptonica
export C_INCLUDE_PATH
LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/leptonica/lib
export LD_LIBRARY_PATH
LIBRARY_PATH=$LIBRARY_PATH:/usr/local/leptonica/lib
export LIBRARY_PATH
LIBLEPT_HEADERSDIR=/usr/local/leptonica/include/leptonica
export LIBLEPT_HEADERSDIR

应用配置

source /etc/profile

3.3、安装tesserac

执行命令

mkdir /usr/local/tesseract
tar -xzvf 4.1.1.tar.gz
cd tesseract-4.1.1
# 必须先运行autogen.sh文件才会有configuer文件
./autogen.sh
# 编译安装到指定文件夹
./configure --prefix=/usr/local/tesseract  && make && make install

3.4、下载识别库

所有的识别库地址：https://github.com/tesseract-ocr/tessdata
楼主只需要中文识别库，所以下面通过中文识别库举例。
点击下载中文简体语言库chi_sim.traineddata,上传到 /usr/local/tesseract/share/tessdata/目录。
若是java项目中已经使用了识别库，不需要再下载，只需要下一步配置时配置到java中使用的目录地址即可。

3.5、配置tesserac环境变量

执行命令

vim /etc/profile

注：TESSDATA_PREFIX后面的地址是训练库所在的文件目录，楼主是java项目中直接引用了识别库，大家可以根据自己下载进行配置
建议识别库放置地址为 /usr/local/tesseract/share/tessdata，注意同步修改下方TESSDATA_PREFIX的值

PATH=$PATH:/usr/local/tesseract/bin
export PATH
export TESSDATA_PREFIX=/home/api/upload/tessdata  ##注意：该位置是训练库所在文件目录
export PATH=$PATH:$TESSDATA_PREFIX

应用配置

source /etc/profile

3.6、测试安装是否成功

执行命令

tesseract --version

如下即为成功安装

3.7、测试识别功能

上传如下图所示的图片到服务器

执行命令
注： chi_sim是指定的识别库的前缀名称，必须指定，可替换为自己需要的字符集名称

tesseract   /home/测试.png  /home/结果  -l chi_sim
cat /home/结果.txt

结果如下

至此，tesseract就安装完成啦。