CENTOS 下 编译安装 tesseract-ocr 3.0.4 识别文字

网上搜集了不少资料,发现目前Tesseract转移到了Github上,因此下载方式和以前略有差别,下文是参考了诸位达人(再此表示感谢)和自己的实际操作过程形成的。
(1)首先安装依赖的leptonica库:
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)编译tesseract了,所用版本 3.04,编译需要automake、libtool,直接用yum安装就可以了。
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)下载安装英文,中文繁体,中文简体 识别库。
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)测试

拍一张名片的照片,如下图,并未裁剪(当然,这里各位看到的图片中姓名电话等敏感信息做了遮盖):

转换一张tiff格式图片,后面用

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

试用JPEG文件识别:

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

[root@www wx.ent]# cat b.txt
李某某 丨胁工捏师`

天津币英环信诚科披苜眼公司

地址: 申国天津华苑产业区科薯别髦76害
邮编: 300384 电话: 022-23707238-807

债真: 022-83712515
手机: 139********
E_mail: ‖xuex|n@yinghuan′com

 接下来使用TIFF文件识别:

[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 丨胁工湟师丨

天津币英环信诚科技苜限公司

地址: 巾国夭津华苑产业区科薯别藿76害
mm: 300384 电话: 022-237o7238-807

传真: 022-83712515
手机: 139*******
E_mail: ‖XueX|n@yinghuan′com

可见结果并没有差别。至此tesseract-ocr就安装完成了。
 


posted @ 2015-11-03 13:16  佣工7001  阅读(9234)  评论(1编辑  收藏  举报