tesseract-ocr ubuntu 安裝使用

tesseract-ocr是開源的光學字元辨識引擎，有Google的支援，支援很多種語言的識別，下面說一下 我的安裝步驟

其實官方文檔上說的很細，下面列出其中的命令，

sudo apt-get install autoconf automake libtoolsudo apt-get install libpng12-devsudo apt-get install libjpeg62-devsudo apt-get install libtiff4-devsudo apt-get install zlib1g-dev

注意最後一個zlib1g-dev中的1g是數字1，而不是小寫字母l,

sudo apt-get install libleptonica-dev

下載源檔案包解壓（目前是3.0），進入目錄

./runautoconf./configuremakesudo make install

下載語言資料包解壓：你可以在這找到更多的語言套件

gzip -d eng.traineddata.gz

移動到資料包安裝目錄下，預設為 /usr/local/share/tessdata

mv eng.traineddata /usr/local/share/tessdataexport TESSDATA_PREFIX=/usr/local/share/

安裝圖片格式轉換工具，因為tesseract只識別tif格式的圖片。

apt-get install imagemagick

你可以使用下面的命令轉換圖片

convert a.jpg a.tif

好了，測試一下吧

tesseract <image> <outputbasename> [-l lang] [configs]tesseract a.tif a

預設為英語，如果你要識別其它語言請使用-l 參數指定，如

tesseract a.tif a -l chi_simcat a.txt

你將會看到識別出的文字，太棒了。好了，下面就可以用程式去調用識別文字了，

對於java你也可以使用tess4j封裝的API，對於PHP你可以使用exec調用再對檔案進行處理，

如果你遇到 lib **.so 找不到請運行

sudo ldconfig