tesseract-ocr的安裝及使用


1、下載安裝包

根據https://github.com/tesseract-ocr/tesseract/wiki,我找到非官方的安裝包,好像我只看到64位的安裝包http://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe,下載后直接安裝即可,但是要記得你的安裝目錄,我們等會配置環境變量要用。

如果不是做英文的圖文識別,還需要下載其他語言的識別包https://github.com/tesseract-ocr/tesseract/wiki/Data-Files。

簡體字識別包:https://raw.githubusercontent.com/tesseract-ocr/tessdata/4.00/chi_sim.traineddata

繁體字識別包:https://github.com/tesseract-ocr/tessdata/raw/4.0/chi_tra.traineddata

或者直接我的百度雲盤:鏈接:tesseract 密碼:tmdm

第二步:安裝

直接執行下載好的tesseract-ocr-setup-4.0.0-alpha.20180109.exe,下一步、下一步安裝。安裝過程中,會讓你安裝額外的語言包,可根據選擇下載。

第三步:配置環境變量

我的是安裝在C:\Program Files (x86)\Tesseract-OCR,界面如下:

將“F:\Tesseract-OCR”添加到環境變量中。如圖:

增加一個TESSDATA_PREFIX變量名,變量值還是我的安裝路徑F:\Tesseract-OCR\tessdata這是將語言字庫文件夾添加到變量中;

使用
打開命令終端,輸入:tesseract -v,可以看到版本信息

用命令tesseract --list-langs來查看Tesseract-OCR支持語言。

將命令行切換至目標圖像文件目錄,比如我們轉換文件為test.png(圖片文件允許多種格式),位於C:\Users\Lian\Desktop\test;然后在命令行中輸入

tesseract test.png output_1 –l eng
【語法】:  tesseract imagename outputbase [-l lang] [-psm pagesegmode] [configfile…]

imagename為目標圖片文件名,需加格式后綴;outputbase是轉換結果文件名;lang是語言名稱(在Tesseract-OCR中tessdata文件夾可看到以eng開頭的語言文件eng.traineddata),如不標-l eng則默認為eng。

打開文件output_1.txt,發現tesseract成功的將圖像轉換成152408。

遇到的問題:
問題1:

沒有配置環境變量,按上面情況將環境變量配置好

問題2:

E:\testdir>tesseract ttest1.png test1 -l eng

Error opening data file \Program Files (x86)\Tesseract-OCR\tessdata/eng.traineddata

Please make sure the TESSDATA_PREFIX environment variable is set to the parent directory of your "tessdata" directory.

Failed loading language 'eng'

Tesseract couldn't load any languages!

Could not initialize tesseract.

錯誤信息的關鍵詞是tesseract_prefix的環境變量設置。

解決辦法:  找到testData所在的目錄,默認情況下是在tesseract安裝的目錄,在環境變量中設置TESSDATA_PREFIX的環境變量為testdata所在的目錄即可。 重新運行命令即可正常使用。


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