• 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。
     


  • 相关阅读:
    (Java实现) 装载问题
    (Java实现) 子集和问题
    (Java实现) 子集和问题
    (Java实现) 整数区间
    (Java实现) 车厢重组
    (Java实现) 车厢重组
    (Java实现) 车厢重组
    (Java实现) 车厢重组
    delphi 程序窗体及控件自适应分辨率(通过ComponentCount遍历改变字体大小以及上下左右)
    后台开发:核心技术与应用实践(边写代码边读书才是最好的学习方式)
  • 原文地址:https://www.cnblogs.com/dajianshi/p/4932882.html
Copyright © 2020-2023  润新知