Ubuntu下安装使用 tesseract-ocr

tesseract-ocr是开源的光学字符识别引擎，有Google的支持，支持很多种语言的识别，下面说一下 我在Ubuntu下安装步骤

其实官方文档上说的很细，下面列出其中的命令，

1. sudo apt-get install autoconf automake libtool  


2. sudo apt-get install libpng12-dev  


3. sudo apt-get install libjpeg62-dev  


4. sudo apt-get install libtiff4-dev  


5. sudo apt-get install zlib1g-dev  

注意最后一个zlib1g-dev中的1g是数字1，而不是小写字母l,

1. sudo apt-get install libleptonica-dev  

下载源文件包解压（目前是3.0），进入目录

1. ./runautoconf  


2. ./configure  


3. make  


4. sudo make install  

下载语言数据包解压：你可以在这找到更多的语言包

1. gzip -d eng.traineddata.gz  

移动到数据包安装目录下，默认为 /usr/local/share/tessdata

1. mv eng.traineddata /usr/local/share/tessdata  


2.   


3. export TESSDATA_PREFIX=/usr/local/share/  

安装图片格式转换工具，因为tesseract只识别tif格式的图片。

1. apt-get install imagemagick  

你可以使用下面的命令转换图片

1. convert a.jpg a.tif  

好了，测试一下吧

1. tesseract <image> <outputbasename> [-l lang] [configs]  


2.   


3. tesseract a.tif a  

1. tesseract a.tif a -l chi_sim  


2.   


3. cat a.txt  

你将会看到识别出的文字，太棒了。好了，下面就可以用程序去调用识别文字了，

如果你遇到 lib **.so 找不到请运行

1. sudo ldconfig