CENTOS 下 編譯安裝 tesseract-ocr 3.0.4 識別文字


網上搜集了不少資料,發現目前Tesseract轉移到了Github上,因此下載方式和以前略有差別,下文是參考了諸位達人(再此表示感謝)和自己的實際操作過程形成的。
(1)首先安裝依賴的leptonica庫:
wget http://www.leptonica.com/source/leptonica-1.72.tar.gz
tar -xvf leptonica-1.72.tar.gz  
cd leptonica-1.72
./configure && make && make install

(2)編譯tesseract了,所用版本 3.04,編譯需要automake、libtool,直接用yum安裝就可以了。
wget https://github.com/tesseract-ocr/tesseract/archive/3.04.00.tar.gz
mv 3.04.00  Tesseract3.04.00.tar.gz
tar -xvf Tesseract3.04.00.tar.gz  
cd tesseract-3.04.00/
./autogen.sh
./configure
make && make install
 
(3)下載安裝英文,中文繁體,中文簡體 識別庫。
wget --no-check-certificate https://github.com/tesseract-ocr/tessdata/raw/master/eng.traineddata
wget --no-check-certificate https://github.com/tesseract-ocr/tessdata/raw/master/chi_sim.traineddata
wget --no-check-certificate https://github.com/tesseract-ocr/tessdata/raw/master/chi_tra.traineddata
                      
cp/mv *.traineddata /usr/local/share/tessdata/

(4)測試

拍一張名片的照片,如下圖,並未裁剪(當然,這里各位看到的圖片中姓名電話等敏感信息做了遮蓋):

轉換一張tiff格式圖片,后面用

[root@www wx.ent]# convert -negate card.jpg card.tif

試用JPEG文件識別:

[root@www wx.ent]# tesseract card.jpg ./b  -psm 3 -l chi_sim+eng    

[root@www wx.ent]# cat b.txt
李某某 丨脅工捏師`

天津幣英環信誠科披苜眼公司

地址: 申國天津華苑產業區科薯別髦76害
郵編: 300384 電話: 022-23707238-807

債真: 022-83712515
手機: 139********
E_mail: ‖xuex|n@yinghuan′com

 接下來使用TIFF文件識別:

[root@www wx.ent]# tesseract card.tif ./b  -psm 3 -l chi_sim+eng         
Tesseract Open Source OCR Engine v3.04.00 with Leptonica
Page 1
Warning in pixReadMemTiff: tiff page 1 not found
[root@www wx.ent]# cat b.txt
李某某 丨脅工湟師丨

天津幣英環信誠科技苜限公司

地址: 巾國夭津華苑產業區科薯別藿76害
mm: 300384 電話: 022-237o7238-807

傳真: 022-83712515
手機: 139*******
E_mail: ‖XueX|n@yinghuan′com

可見結果並沒有差別。至此tesseract-ocr就安裝完成了。
 



免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM