[转载]支持中文的文字识别软件：Tesseract-ocr

Tesseract-ocr的安装

站长原创，版权所有ITEEDU，2011-07-04

在此专门地讲解linxu平台下的具体安装过程。

1.安装前必备的包

  sudo apt-get install  libpng12-dev

  sudo apt-get install  libjpeg62-dev

  sudo apt-get install  libtiff4-dev

 

sudo apt-get install gcc
sudo apt-get install g++
sudo apt-get install automake

wget http://www.leptonica.org/source/leptonlib-1.67.tar.gz
tar -zxvf leptonlib-1.67.tar.gz
cd leptonlib-1.67
./configure
make
make install

注意：在configure的时候可以选择最终的安装路径，比如安装在/home/administrator/tesseract-ocr目录下边：

./configure --prefix=//home/administrator/tesseract-ocr

也可以先在互联网上将原包下载下来，在解压缩，再安装。

2.安装tesseract-ocr

wget http://tesseract-ocr.googlecode.com/files/tesseract-3.00.tar.gz

  tar -zxvf  tesseract-3.00.tar.gz

  cd tesseract-3.00

  ./configure

  make

 make install

注意：

./configure --prefix=/home/administrator/tesseract-ocr 

与leptonlib-1.67安装目录相同。

3.安装语言包

（1）英文支持包

  cd /home/administrator/tesseract-ocr/share/tessdata

  sudo wget  http://tesseract-ocr.googlecode.com/files/eng.traineddata.gz

  sudo gunzip  eng.traineddata.gz

（2）中文支持包

  cd /home/administrator/tesseract-ocr/share/tessdata

  sudo wget  http://tesseract-ocr.googlecode.com/files/chi_sim.traineddata.gz

  sudo gunzip chi_sim.traineddata.gz

4.配置环境变量

编写一个ocr.sh文件

#!bin/bash

 

export PAHT=/home/administrator/tesseract-ocr/bin:$PATH
export LD_LIBRARY_PATH=/home/administrator/tesseract-ocr/lib:$LD_LIBRARY_PATH

5.测试一下

在终端输入命令：

tesseract picture.tif  test -l chi_sim

含义：处理图片picture.tif上的文字信息，并且加载的是汉语包，处理的结果存放在test.txt文件中。

如果在测试时，出现问题，需要再次配置一下子ldconfig。

sudo gedit /etc/ld.so.conf

在其中添加:

/home/administrator/tesseract-ocr/lib

然后sudo ldconfig，应该就没问题了，呵呵……