Tesseract在OpenCV+Visual Studio 2015下实现OCR

最近参加一个比赛需要在图片中识别文字，网上查找资料可以通过Tesseract实现，Tesseract-OCR是用HP公司团队开发Google团队维护的开源OCR引擎。这里主要说明Tesseract在OpenCV+VS下的环境配置和实现问题。

这里用到的工具（其他版本也类似）：

OpenCV3.1.0+Visual Studio2015+Cmake+cppan+tesseract-master

一、下载相关工具

1、下载Cmake。https://cmake.org/download/

这里使用的是cmake-3.10.3-win64-x64版本，直接进行解压即可。将F:\cmake-3.10.3-win64-x64\bin（根据你解压的路径）文件路径加入到环境变量Path中，Cmake配置完成。

2、下载cppan。https://cppan.org/client/

这里下载的是cppan-master-Windows-client.zip。解压后是cppan.exe。将cppan.exe所在的文件路径加入到环境变量Path中，cppan就设置完成了。

3、下载tesseract-master。https://github.com/tesseract-ocr/tesseract

下载tesseract-master，解压到相应位置。

二、编译生成tesseract工程文件

1、运行cppan，下载支持库。

在搜索栏中键入PowerShell（一种命令行外壳程序和脚本环境），选择Windows PowerShell打开。

• 1）在打开的脚本环境下键入tesseract-master解压的路径；
• 2）在该路径下继续在Windows PowerShell下运行cppan，然后回车，等待cppan程序运行；
• 3）在tesseract-master文件夹下新建文件tebuild，并进入；

2、运行Cmake，编译生成相关工程。

在Windows PowerShell下运行cmake .. -G "Visual Studio 14 2015 Win64"，注意这里-G "Visual Studio 14 2015 Win64"表示是运用VS2015进行编译，生成64位的工程，如果不加生成的是32位的，另外这里是由两个点。

这时在tebuild文件夹下生成了工程tesseract.sln。

三、使用Visual Studio2015对tesseract进行编译。

首先使用Visual Studio2015打开tesseract.sln，分别选择64位Debug和Release平台，然后在菜单栏生成目录下选择生成解决方案。这一过程一般需要花费几分钟时间，

第一次生成时一般会出现错误，是由于编码原因造成的，这是双击出错的位置，定位到出错的文件，在文件菜单中选择高级保存选项将其中的编码由Unicode(UTF-8无签名）-代码页65001更换为简体中文（GB2312-80）-代码页20936。重新进行生成。

然后选中解决方案管理器中INSTALL选项，右键选择仅用于项目—>仅生成INSTALL（B）。

注意观察生成窗口显示的信息，在 C:/Program Files/tesseract目录下生成了相应的文件（这里以Debug下为例），终于见到了bin、include、lib等熟悉的名字，其实就是生成的库文件，Release情况也类似。

四、在Visual Studio 2015中配置环境

上一步编译生成的文件C:/Program Files/tesseract下分别包括了Debug和Release的库，可以将C:/Program Files/tesseract文件从C盘中剪切到其他盘里面（强迫症呀），这里我放到了F盘。在步骤二中建立的F:\tesseract-master\tebuild文件夹下bin文件夹下查找所有的.dll文件，并复制到刚才从C盘复制的文件夹F:\tesseract\bin下。

打开一个VS工程，进行环境配置。

分别打开属性管理器的Debug|x64和Release|x64下的属性页

• 在VC++目录—>包含目录下加入F:\tesseract\include；
• 在VC++目录—>库目录下加入F:\tesseract\lib；
• 在链接器—>附加依赖项下加入F:\tesseract\lib\*d.lib和F:\tesseract\lib\*.lib。

整个的配置是在原来的基础上添加这些内容，不删除之前配置的OpenCV的一些环境。

然后将F:\tesseract\bin;加入到环境变量中，否则会提示找不到相应的.dll文件，如果这里报错，可以重新打开工程。

还有一个非常重要的步骤，需要在F:\tesseract-master\tessdata目录下放入训练数据包，可在https://github.com/tesseract-ocr/tessdata进行下载，其中eng.traineddata用于识别英文，chi_sim.traineddata用于识别简体中文，当然也可以生成自己的训练数据库，这样更加贴合自己的实际任务。

至此整个的配置过程结束，下面通过一个例子进行测试。

Reference：

http://lib.csdn.net/article/deeplearning/67228