Tesseract3.01 OCR在VS2008環境下的編譯使用（1）

接觸Tesseract沒幾天，只是想用它做一下簡單的字符識別，雖然是HP 1995年的產品，后面google公開來使用，效果還是可以的，如果對字符分割好，僅僅只作為單個字符的識別，如果作為版面分析來使用的話，效果不算太好。這個庫國內的使用資料還是蠻少，如果在linux下面使用的話，還簡單點，但是在win下面的使用，資料少，也沒找到自己使用的簡介。廢話不說，我把我這幾天折騰的過程說一下。

 

一 。tesseract3.01在VS2008下面編譯生成DLL,LIB的過程

(1)和VS2008的使用，官方安裝過程可以參考：http://tesseract-ocr.googlecode.com/svn/trunk/vs2008/doc/setup.html

安裝需要的軟件：VS2008，Leptonica 1.68源碼，Tesseract-OCR Visual Studio 2008 source files ，Tesseract-OCR source ，在使用的時候先建立C:\BuildFolder文件夾，將Leptonica 1.68源碼，Tesseract-OCR Visual Studio 2008 source files ，Tesseract-OCR source解壓在這個文件夾下：文件夾中出現下面的結構：

 

 C:\BuildFolder include\ leptonica\ stdint.h lib\ tesseract-3.01\ vs2008\ cntraining\ combine_tessdata\ libtesseract\ libtesseract.vcproj mftraining\ port\ tesseract\ tesseract.vcproj unicharset_extractor\ wordlist2dawg\ tesseract.sln

 

按照官方安裝文檔（地址http://tesseract-ocr.googlecode.com/svn/trunk/vs2008/doc/building.html）說明，打開C:\BuildFolder\tesseract-3.0x\vs2008\tesseract.sln，選擇編譯屬性，應該有DLL_Debug， DLL_Release， LIB_Debug， LIB_Release幾項選擇，但是實際上，使用官方的工程打開以后，選擇編譯屬性里面只有：debug，release.static,release.Dynamic這幾項，使用bulid編譯以后也並沒有dll文件，z只有靜態鏈接庫LIB文件，官方文檔也3.01版本在VS2008下不能使用DLL“The dll isn't supported in Tesseract-OCR 3.00/3.01.”對於這個問題，可以參考一下鏈接（http://groups.google.com/group/tesseract-dev/browse_thread/thread/75be5c97eb4d1b3c/a59952174f78c000?#a59952174f78c000），在VS2008中使用的時候，官方文檔也沒有做太多的說明，弄了一個晚上也沒弄明白。

 

后來在國外下載一個別人對源代碼框架修改一下，使用起來更加方便一點，下載地址：https://github.com/tinku99/tesseract-ocr ，包含了解壓好的Leptonica 1.68源碼，Tesseract-OCR Visual Studio 2008 source files ，Tesseract-OCR source,但是也對框架進行了修改，並且修改了代碼里面關於DLL輸出的問題，用python對文件做了一些歸類，省了很多麻煩。整個過程的安裝如下：

 

（1）這個工程要使用Python編譯器，所有要首先安裝  Python2.7（win平台）軟件，安裝在C盤，並且在VS2008上進行配置，將Python2.7安裝在C盤，打開VS2008，工具-》選項-》項目和解決方案-》VC++目錄，然后在“平台”選項下，選擇“Win32”；“顯示一下內容的目錄”選項下，然后選 擇“包含文件”，在下面的目錄中，添加“C:/Python27/include”；選擇“庫文件”，添“C:/Python27 /libs”。另外需要注意的問題是,VS2008在DEBUG下面會有“找不到python25_d.lib”的問題，可以做一下修改：在python目錄include文件夾下，打開pyconfig.h，
找到如下語句

# ifdef _DEBUG # pragma comment(lib,"python25_d.lib") # else # pragma comment(lib,"python25.lib") # endif /* _DEBUG */ 將python25_d.lib改成python25.lib b）找到 #ifdef _DEBUG # define Py_DEBUG #endif 將其用/**/注釋掉就可以了。 

（2）代碼解壓后在C:\BuildFolder下：結構如下，

 C:\BuildFolder include\ leptonica\ lib\ tesseract-3.01\ api\ ccmain\ ccstruct\ ccutil\ classify\ config\ contrib\ cube\ cutil\ dict\ doc\ image\ java\ image\ neural_networks\ tessdata\ testing\ textord\ training\ viewer\ vs2008\ wordrec\

打開C:\BuildFolder\tesseract-3.0x\vs2008\tesseract.sln，選擇DLL_Debug， DLL_Release， LIB_Debug， LIB_Release編譯選擇。

點擊libtesseract301工程右鍵，進行bulid，如下的DLL,LIB文件，

 

   static libraries: libtesseract301-static.lib libtesseract301-static-debug.lib DLLs: libtesseract301.lib (import library) libtesseract301.dll libtesseract301d.lib (import library) libtesseract301d.dll

選擇soluton主功能，選擇編譯選項，編譯后得到：

 LIB_Release: tesseract.exe LIB_Debug: tesseractd.exe DLL_Release: tesseract-dll.exe DLL_Debug: tesseract-dlld.exe

三 測試編譯結果

建立文件夾，C:\BuildFolder include\ lib\ tesseract-3.01\ testing，以DEBUG模式為例，將一下幾個文件copy到testing文件夾下面

   liblept168d.dll
   libtesseract301d.dll
   tesseractd.exe
   eurotext.tif（圖片）

需要注意的是：需要在testing文件夾中包含tesseract3的語言包，不然會出錯，官方下載漢語文件包，在testing文件夾下建立文件夾tessdata，將語言包解壓在這個文件夾下。

測試需要用命令行指令，在dos下，找到testing文件夾，輸入：

 tesseractd.exe eurotext.tif eurotext

這個指令將輸入的圖片提取出來的字符輸出到文本文件eurotext中，測試結果如下：

 

 

輸出的文本：

The (quick) [brown] {fox} jumps!
Over the $43,456.78 <lazy> #90 dog
& duck/goose, as 12.5% of E-mail
from [e-mail] is spam.
Der ,,schnelle” braune Fuchs springt
fiber den faulen Hund. Le renard brun
<<rapide» saute par-dessus le chien
paresseux. La volpe marrone rapida
salta sopra il cane pigro. El zorro
marrén répido salta sobre el perro
perezoso. A raposa marrom rzipida
salta sobre 0 cfio preguieoso.     

四：在VS2008下的使用方法
（1）工程設置，tool-->工程與方案里面增加tesseract3.0使用的頭文件以及庫文件

在include files里面添加有文件

 C:\BuildFolder\include C:\BuildFolder\include\leptonica(and all its sub-directories) C:\BuildFolder\include\tesseract (and all its sub-directories)

 

 

在library files里面添加有文件: C:\BuildFolder\lib

 

 

(2)設置類屬性

在VS2008工程-->屬性-->C++-->preprocesser中添加宏，__MSW32__;USE_STD_NAMESPACE;TESSDLL_IMPORTS;CCUTIL_IMPORTS;LIBLEPT_IMPORTS

 

 

在VS2008工程-->屬性-->linker-->additional depandence添加附加庫：

ws2_32.lib
user32.lib
liblept$(LIBLEPT_VERSION)d.lib
libtesseract$(LIBTESS_VERSION)d.lib

 

 

（3）C:\BuildFolder\include中的tesseract_versionnumbers.vsprops可以用來設置工程的庫引用，原文：Using tesseract_versionnumbers.vsprops (which automatically inherits leptonica_versionnumbers.vsprops) can make it easier to specify the libraries you need to import.在工程中，

Property Sheet-->Configuration Properties -->General -->Inherited Project Property Sheets item to-->添加tesseract_versionnumbers.vsprops的引用地址，

 

 

（4）添加=頭文件

#include "allheaders.h"（必須）
#include "baseapi.h"
#include "resultiterator.h"（必須）
#include "strngs.h"
#include "blobs.h"

如果有文件中沒有"strngs.h"中，可以再次下載另外一份文件，來替換C:\BuildFolder\include\tesseract 文件（包含一個測試文件）tesseract-3.01-win32-include-dir-sampleapp-2011-11-08.zip

 

主要的程序和引用主要在baseapi.h文件中

 

推薦鏈接：

http://code.google.com/p/tesseract-ocr/

http://tesseract-ocr.googlecode.com/svn/trunk/vs2008/doc/programming.html

https://github.com/tinku99/tesseract-ocr