tesseract-ocr的完整安装及使用



在感兴趣的图像中文字识别处理上，个人发现一些教程都不完整。需要东找西找才能拼凑出来。故此次梳理了下windows上安装完整记录，在应用上是采用python编程。

 

首先前提下载相关packages。

包括有tesseract-ocr的windows安装版（tesseract-ocr-setup-3.05.01），Pillow、pytesseract。还有tesseract-ocr的中文字体chi_sim.trainedata,eng.trainedata。

 

然后安装，要按照如下次序。

1、先安装tesseract-ocr的windows安装版。

   直接执行下载好的tesseract-ocr-setup-3.05.01.exe,一直下一步安装即可。

       1.1在环境变量的系统变量PATH，把tesseract-ocr的安装路径（如 C:\Program Files(x86)\Tesseract-OCR;）添加进去。注意，添加时候开头用“;”跟之前的变量隔开，结尾以“;”结尾。

      

       1.2在环境变量的系统变量中，增加一个TESSDATA_PREFIX变量名，变量值还是tesseract-ocr的安装路径(如C:\Program Files (x86)\Tesseract-OCR; )

      

       1.3把下载的tesseract-ocr的中文字体，拷贝到tesseract-ocr的安装目录(如C:\Program Files (x86)\Tesseract-OCR; )的tessdata目录下即可。

       1.4验证是否安装成功

       进入cmd窗口，敲入命令cd C:\Program Files (x86)\Tesseract-OCR，在敲入tesseract，应该如下信息则表示安装成功。

      

       还可以用命令tesseract --list-langs来查看Tesseract-OCR支持语言。

 

2、然后安装Pillow。

       pip install Pillow或pythonsetup.py install (下载源码)

3、再安装pytesseract。

       pip install pytesseract或pythonsetup.py install (下载源码)