Linux环境下Python使用tesseract-ocr4.0

1 安装centos7系统依赖

命令如下：
yum install -y libpng-devel libjpeg-devel libtiff-devel
yum install -y libpng-devel libjpeg-devel libtiff-devel

2 安装leptonica

下载leptonica-1.78，下载地址：
http://www.leptonica.org/source/leptonica-1.78.0.tar.gz
解压，使用命令：tar -xzvf leptonica-1.78.0.tar.gz
进入解压后的目录，使用命令：cd leptonica-1.78.0

配置编译，采用默认配置，使用命令：./configure
编译，使用命令：make
安装，使用命令：make install

3 安装tesseract-ocr

下载tesseract-ocr4.0，下载地址：
https://codeload.github.com/tesseract-ocr/tesseract/tar.gz/4.0.0
解压，使用命令：tar -xzvf tesseract-4.0.0.tar.gz
进入解压后的目录，使用命令：cd tesseract-4.0.0

从上面图片中，我们注意到解压文件里只有一个可执行文件autogen.sh
因此我们执行这个shell脚本文件，使用命令：./autogen.sh
执行完后，在当前目录就生成了其它一些可执行文件，如下所示：

使用配置，命令：./configure
发现如下错误

提示这个错误是因为在上面的步骤中虽然我们安装了leptonica-1.78，但是却没有将leptonica设置为环境变量。
由于上面我们都是采用默认的配置，因此第三方库是安装在/usr/local这个目录下

进入lib目录可以看到新安装的liblept

在这个目录输入命令：pkg-config --version查看pkg-config是否安装
如果没有安装，就先安装，使用命令：yum install pkgconfig

3.1 将leptonica-1.78添加到环境变量里

使用命令：vim /etc/profile
在打开的文件结尾添加：
export LD_LIBRARY_PATH=/usr/local/lib
export LIBLEPT_HEADERSDIR=/usr/local/include
export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig

有的时候新建环境变量也这样写：export LD_LIBRARY_PATH=$LD_LIBRARY_PATH/usr/local/lib

保存退出
使环境变量生效，命令：source /etc/profile

然后我们在重新配置tesseract，使用命令： ./configure
这次配置就没有错误了。
编译，使用命令：make
安装，使用命令：make install
动态链接，使用命令：ldconfig

最后安装完成，使用命令：tesseract --version
显示如下：
tesseract 4.0.0
leptonica-1.78.0
libjpeg 6b (libjpeg-turbo 1.2.90) : libpng 1.5.13 : libtiff 4.0.3 : zlib 1.2.7

4 安装Python3第三方模块pytesseract

使用命令：pip3 install pytesseract
安装完后，我们可以直接输入命令：tesseract
显示如下：

但当我们查看已经安装的语言库时，就出现错误，因为没有配置语言库的环境变量。
命令：tesseract --list-langs
提示错误：

添加tessdata的环境变量，使用命令:vim /etc/profile
在结尾增加：
export TESSDATA_PREFIX=/root/tessdata

保存退出，使环境变量生效
使用命令：source /etc/profile
现在可以正常使用语言库了

5 调用pytesseract进行识别图片

新建Python文件lx_ocr.py ，输入如下代码：

import pytesseract
from PIL import Image
img=Image.open('test.png')
code=pytesseract.image_to_string(img,lang='chi_sim+eng')
print(code)

保存退出，运行文件，使用命令：python3 lx_ocr.py
结果如下：

由上图所知，中英文已经正确识别出来。