window下搭建Tesseract-OCR图片识别文字环境变量

1、准备工作

可以通过自己·操作系统下载对应版本号进行安装，下载地址如下

https://digi.bib.uni-mannheim.de/tesseract/

tesseract.png

2、安装界面

• 双击文件，这里选择了一个tesseract-ocr-setup-4.0.0-alpha.20180109.exe 文件进行安装，也可以选择较新的版本或者通过自身的爱好来选型安装进行研究。

• setup.png

• 点击同意协议之后再点击next按钮一直到安装成功即可

• image-20210830092912090.png

3、环境变量的搭建

• 本人电脑（window10）安装目录在D:\Program Files\Tesseract-OCR

• 首先在我的【此电脑】进行选择属性（R）-->高级系统设置-->环境变量

• 在用户环境变量，新建 TESSDATA_PREFIX 值为 D:\Program Files\Tesseract-OCR\tessdata

• TESSDATA_PREFIX.png

• 在系统环境变量，新建 OCR_HOME 值为D:\Program Files\Tesseract-OCR

• OCR_HOME.png

• 找到Path新建两个 TESSDATA_PREFIX和OCR_HOME参数进行配置，以%开始与结尾进行识别

Path

4、语言数据包

• 由于安装默认不超过10个语言数据包，得自己到GitHub进行下载覆盖安装之后tessdata的目录即可

• tessdata.png

• tessdata.png

5、检验是否搭建完成

• 在命令控制台输入 tesseract -v 输出tesseract 4.0.0-alpha.20180109信息表示成功

• 将命令行切换至目标图像文件目录，比如我们转换文件为output.png（图片文件允许多种格式），位于D:\Program Files\Tesseract-OCR\img；然后在命令行中输入

tesseract output.png output.txt -l chi_sim

chi_sim.png

【语法】: tesseract imagename outputbase [-l lang] [-psm pagesegmode] [configfile…]
imagename为目标图片文件名，需加格式后缀；outputbase是转换结果文件名；lang是语言名称（在Tesseract-OCR中tessdata文件夹可看到以chi_sim开头的语言文件chi_sim.traineddata 简体中文数据包），如不标-l eng则默认为eng。

• 识别出来的结果,此结果在output.txt文件里面
• Tesseract.png