Tesseract-OCR学习系列(一)简介

转载自:http://www.jianshu.com/p/0a3386227981


Tesseract Introduction

做了一段时间的OCR。在PC的Visual Studio上和在TI/ADI的DSP上都做过。一般都是看项目的具体情况,然后根据这具体情况,设计一套算法。设计好了之后,这套算法就只能应用在这个项目上了。如果再来一个新的项目,就又得从头写起。可是,不就是做OCR吗,不都差不多嘛!要是所有的OCR项目都能使用同一套代码,那得有多帅呀!

想一想,要做这件事,大概有下面这么些挑战:

  • 自动搜索文字。目前我做的文字定位,都是知道文字在图像的什么地方,然后用经验参数定位的。这样的话,就必须针对不同的识别任务,制订不同的识别参数。如果识别任务中表明不能确定文字所在的地方,那我就歇菜了。反之,如果能自动地定位到文字的所在之处,那不就离我的目标近了一步吗?
  • 自动分割。目前我做的文字分割,基本都是预先知道有多少个字,字和字之前的间隔情况是怎么样的等等一系列的信息之后,才可以开始动手分割。可是如果我不知道这些信息呢?我又抓瞎了。
  • 自动识别。非常不好意思,我现在能做OCR基本只能说在初级阶段。可以做英文和数字的OCR,而且还必须预先知道它们的字体是什么样的。要是任务中说,字体不定,那对不起,又是mission impossible。
  • ……

因此,总得来说,虽然我在OCR方面能做一些应用,但是不能做的应用更多。我本来想通过多学点书本知识再来实践的方式来搞定这些问题。然而,我为什么不去站在巨人的肩膀上呢?

做算法牛X的互联网公司是谁?当然首推Google啦~Google维护着一项很著名的开源项目,叫Tesseract

所以,我们就一起来学习一下这个OCR开源软件吧,应当可以解决我在上面列出的一些问题。

历史

Tesseract项目最初由惠普实验室支持,1996年被移植到Windows上,1998年进行了C++化。在2005年Tesseract由惠普公司宣布开源。2006年到现在,都由Google公司开发。

Tesseract-OCR学习系列(一)简介_第1张图片


目前,Tesseract的源代码放在GitHub上。

特性

目前,Tesseract可以识别超过100种语言。也可以用来训练其它的语言。

源码包提供了一个OCR的引擎——libtesseract以及一个命令行程序——tesseract

Tesseract支持多种输出格式,如:普通文本、html、pdf等。

对于开发者

开发者可以使用libtesseract的C/C++接口来构建自己的程序。

Tesseract从源码生成的文档可以在tesseract-ocr.github.io中找到。

下载代码

接下来,我们就先把最新代码下载下来吧。下载最新版本3.04.01的源代码。

由于我是个OpenCV深度使用者,而OpenCV的一个重要插件ImageWatch只支持Visual Studio 2012(至少官方文档上目前是这么说的,我也没有试过更高版本的VS版本,但比2012低的版本肯定是不行的。)所以以下都以Visual Studio 2012为例介绍。

Tesseract-OCR学习系列(一)简介_第2张图片


目录结构是这样的。而在我目前还搞不清楚状况的前提下,红框部分当然就引起了我的注意。VS2010VS2012就差一点点。熟悉的人都知道,VS2010的项目想转换成VS2012简直太简单了。完全的自动转换,而且不会有任何问题。

这不,双击tesseract.sln,就自动帮我转换好了。



现在,解决方案tesseract中出现了两个项目,一个叫libtesseract304,一个叫tesseract
很显然,libtesseract304是实现功能的那个库。而tesseract是使用库的应用程序。

libtesseract304的项目配置:

Tesseract-OCR学习系列(一)简介_第3张图片


tesseract的项目配置:

Tesseract-OCR学习系列(一)简介_第4张图片


我编程很喜欢用试错法,就是明知道编译通不过,也要编译一下。这不,我知道,现在编译libtesseract304肯定是有一大堆问题的。但,不管怎么样,编译了再说吧。

果然,编译器报了一大堆错。

Tesseract-OCR学习系列(一)简介_第5张图片


一共有110个错。都说是无法打开包括文件:"allheaders.h"。

那么,allheaders.h文件是什么,为什么会找不到?如何才能构建出可以运行的程序?且听下回分解。



作者:行之与亦安
链接:http://www.jianshu.com/p/0a3386227981
來源:简书
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。


你可能感兴趣的:(图像处理)