tesseract-4.0.0源码编译安装

谁借莪１个温暖的怀抱￠ 2022-01-05 17:29 336阅读 0赞

# 安装开发工具 #

apt-get -y install gcc g++ make cmake autoconf automake libtool pkg-config

# 安装插件 #

所有的插件都是可选的，建议全部都安装，这样tesseract就可以支持更多的图片格式

## libjpeg ##

安装依赖nasm

apt-get install nasm

下载地址http://www.linuxfromscratch.org/blfs/view/systemd/general/libjpeg.html

编译libjpeg

tar -xvf libjpeg-turbo-2.0.2.tar.gz
    cd libjpeg-turbo-2.0.2
    mkdir build
    cd build
    cmake -DCMAKE_INSTALL_PREFIX=/usr \
          -DCMAKE_BUILD_TYPE=RELEASE \
          -DENABLE_STATIC=FALSE \
          -DCMAKE_INSTALL_DOCDIR=/usr/share/doc/libjpeg-turbo-2.0.2 \
          -DCMAKE_INSTALL_DEFAULT_LIBDIR=lib \
          ..
    make
    make install
    ldconfig

## libpng ##

安装依赖zlib

下载地址 http://www.zlib.net/fossils/

tar -zxf zlib-1.2.11.tar.gz
    cd zlib-1.2.11
    ./configure
    make -j 8
    make install
    ldconfig

下载地址 http://www.linuxfromscratch.org/blfs/view/systemd/general/libpng.html

编译

tar -xvf libpng-1.6.37.tar.xz
    cd libpng-1.6.37
    ./configure --prefix=/usr --disable-static
    make -j8
    make install
    ldconfig

## giflib ##

安装依赖 xmlto（由于依赖比较多，不安装也是可以编译通过的，需要修改一下doc/Makefile文件）

apt-get install xmlto

giflib 下载地址 http://www.linuxfromscratch.org/blfs/view/systemd/general/giflib.html

安装了xmlto编译giflib

tar -xvf giflib-5.1.8.tar.gz
    cd giflib-5.1.8
    make
    make install
    ldconfig

没有安装xmlto编译giflib

tar -xvf giflib-5.1.8.tar.gz
    cd giflib-5.1.8
    echo "all:" > doc/Makefile
    echo -e "\t@test -z \"\"" >> doc/Makefile
    make
    make install
    ldconfig

## libtiff ##

下载地址 http://www.linuxfromscratch.org/blfs/view/systemd/general/libtiff.html

编译

tar -xvf tiff-4.0.10.tar.gz
    cd tiff-4.0.10
    mkdir cmake-build
    cd cmake-build
    cmake -DCMAKE_INSTALL_DOCDIR=/usr/share/doc/libtiff-4.0.10 \
          -DCMAKE_INSTALL_PREFIX=/usr \
          ..
    make -j8
    make install
    ldconfig

## openjpeg ##

下载地址 http://www.linuxfromscratch.org/blfs/view/systemd/general/openjpeg2.html

编译openjpeg

tar -xvf openjpeg-2.3.1.tar.gz
    cd openjpeg-2.3.1
    mkdir build
    cd build
    cmake -DCMAKE_BUILD_TYPE=Release \
          -DCMAKE_INSTALL_PREFIX=/usr \
          -DBUILD_STATIC_LIBS=OFF \
          ..
    make
    make install
    ldconfig

## libwebp ##

先安装好上面的插件，再安装libwebp

下载地址 http://www.linuxfromscratch.org/blfs/view/systemd/general/libwebp.html

编译

tar -xvf libwebp-1.0.2.tar.gz
    cd libwebp-1.0.2
    ./configure --prefix=/usr/local \
                --enable-libwebpmux \
                --enable-libwebpdemux \
                --enable-libwebpdecoder \
                --enable-libwebpextras \
                --enable-swap-16bit-csp \
                --disable-static
    make -j8
    make install
    ldconfig

# 安装依赖leptonica #

官网http://www.leptonica.com/

要求Leptonica 1.74或者更高版本

下载地址 http://www.leptonica.com/download.html

或者GitHub https://github.com/DanBloomberg/leptonica/releases

这里我们下载最新版本的1.78

tar -xvf leptonica-1.78.0.tar.gz
    cd leptonica-1.78.0
    ./configure
    make -j8
    make install 
    ldconfig

# 安装tesseract #

下载地址 https://github.com/tesseract-ocr/tesseract/releases

tar -xvf tesseract-4.0.0.tar.gz
    cd tesseract-4.0.0/
    ./autogen.sh
    ./configure
    make -j8 
    make install
    ldconfig

## 验证 ##

$ tesseract --version
    tesseract 4.0.0
     leptonica-1.78.0
      libgif 5.1.8 : libjpeg 6b (libjpeg-turbo 2.0.2) : libpng 1.6.37 : libtiff 4.0.10 : zlib 1.2.11 : libwebp 1.0.2 : libopenjp2 2.3.1
     Found AVX
     Found SSE

## 安装语言包 ##

下载地址 https://github.com/tesseract-ocr/tessdata/releases

下载 [Version 4.0 release Source code (tar.gz)][Version 4.0 release Source code _tar.gz]

默认的配置目录为/usr/local/share/tessdata/

我们将刚下载的语言包解压到该目录，解压的时候去掉第一层目录

tar --strip-components=1 -xvf 4.0.0.tar.gz -C /usr/local/share/tessdata/

运行命令列举可用语言包

$ tesseract --list-langs
    List of available languages (167):
    afr
    amh
    ara
    asm
    aze
    aze_cyrl
    bel
    ben
    bod
    bos
    bre
    bul
    cat
    ceb
    ces
    chi_sim
    chi_sim_vert
    chi_tra
    chi_tra_vert
    chr
    ...

### 测试一下 ###

$ time tesseract 360-17571119331732.png 360-17571119331732.png -l chi_sim
    Tesseract Open Source OCR Engine v4.0.0 with Leptonica
    
    real    0m2.169s
    user    0m4.772s
    sys 0m0.168s

转出来的文件名为360-17571119331732.png.txt (会自动加上.txt后缀)

$ cat 360-17571119331732.png.txt 
    欲 待 汀 酯 活 怡 京 , 清 歇 贝 断 肠 , 这 清 乱 的 尘 世 , 宁 韶 兆 斥 了 多 少 纱 望 和 惧 伤 、 你 想 去
    健 一 个 勇 故 的 町 子 , 为 爱 , 为 信 伊 , 蚕 跃 咤 烈 的 奋 斗 一 场 、 你 周 身 光 厂 着 无 人 史 t 的 灵 气
    和 光 芒 。 作 有 着 与 伟 人 t 胎 的 才 气 和 名 声 , 你 星 那 桓 离 像 孟 洁 的 町 子 。 你 的 一 弓 狂 心 札
    说 , 已 经 川 应 黄 和 雨
    
    曾 绅 以 为 , 相 爱 的 人 一 定 如 眼 宇 , 只 有 林 守 , 情 感 才 能 长 久 , 可 是 , 此 岿 和 俭 岸 只 不
    过 是 空 间 的 荣 版 , 邵 无 法 择 长 心 灭 的 旺 高
    
    明 光 苦 荐 , 岁 月 无 声 , 日 孔 不 祯 不 横 的 如 涓 涓 演 水 腐 腐 的 派 去 , 巾 从 身 边 派 去 的 古 有
    明 光 , 沉 淀 下 李 的 是 与 你 蹄 相 似 的 干 福 命 快 乐 , 温 薛 和 宇 哈 , 于 我 , 在 这 个 消 罢 郭 怀 受
    到 济 意 摸 的 阮 , 只 感 做 一 件 事 , 拗 一 片 绯 红 的 机 名 , 轻 轻 刻 上 我 的 心 语 对 信 伊 , 是
    我 今 生 永 万 改 变 的 主 题 ! 而 后 , 李 福 的 寄 往 有 体 的 邵 个 埕 市 , 从 此 , 在 战 心 里 , 于 我 的 生
    命 里 , 轻 援 你 沥 的 安 喉 , 静 靛 地 在 岂 月 的 侦 岸 , 为 你 守 候 - 与 永 恒 !
    
     
    
    一 段 倩 , 反 复 的 皑 星 , 最 后 加 淮 了 屹 月 的 细 东 。 一 跋 迫 起 里 , 一 跌 迫 亿 里 , 最 后 得 到
    的 是 什 么 , 最 后 叉 失 去 的 是 什 么 , 或 沐 , 只 有 我 们 在 贾 思 的 时 候 才 会 明 白 , 这 路 的 迫 必
    里 , 我 以 得 刹 的 快 乐 往 彼 t 府 苛 要 少 , 当 相 怀 成 疫 的 时 候 , 除 了 对 月 徐 惧 古 之 外 , 什 么 也
    不 算 技 刹
    
    一 命 的 简 约 格 调 , 只 怀 用 一 颂 洪 烈 的 看 云 卷 于 舒 , 看 学 节 曰 迪 . 许 多 不
    司 时 节 的 事 物 , 必 焦 会 被 光 阮 遇 蒂 , 就 像 暑 经 蔡 的 犯 叶 , 待 生 余 柳 竭 , 终 梅 脱 高 名 狗 的
    相 系 根 牲 , 而 我 , 一 真 在 汞 里 , 招 落 一 身 的 负 累 , 永 恒 以 振 的 姚 志 站 立 于 学 风 中 , 易 首 向
    看 那 无 智 空 .

# 参考 #

*  [libpng与zlib的坑][libpng_zlib]

转载于:https://www.cnblogs.com/yanhai307/p/10791490.html

[Version 4.0 release Source code _tar.gz]: https://github.com/tesseract-ocr/tessdata/archive/4.0.0.tar.gz
[libpng_zlib]: https://blog.csdn.net/aa1600159112/article/details/76664566