linux系统如何使用ocr图片文字识别

1、安装GCC开发环境，从而支持后续程序的编译安装：

yum groupinstall "Development Tools"

 

 

2、安装tesseract所需的依赖库

yum -y install libjpeg* libpng* freetype* gd* giflib* libtiff* zlib*

 

3、安装tesseract和leptonica

参考：CENTOS 下 编译安装 tesseract-ocr 3.0.4 识别文字

 

注意： 安装完成后，将/usr/local/lib/ 目录下的so文件拷贝到 /usr/lib64/

cp /usr/local/lib/*.so.* /usr/lib64/

 

4、测试和验证

通过上述3步，就完成了tesseract所需的环境配置，你的tess4j相关的应用，就可以在本Linux系统上面溜溜的运行了。

 

 

 

CENTOS 下 编译安装 tesseract-ocr 3.0.4 识别文字

网上搜集了不少资料，发现目前Tesseract转移到了Github上，因此下载方式和以前略有差别，下文是参考了诸位达人（再此表示感谢）和自己的实际操作过程形成的。
（1）首先安装依赖的leptonica库：
wget http://www.leptonica.com/source/leptonica-1.72.tar.gz
tar -xvf leptonica-1.72.tar.gz  
cd leptonica-1.72
./configure && make && make install

（2）编译tesseract了，所用版本 3.04，编译需要automake、libtool，直接用yum安装就可以了。
wget https://github.com/tesseract-ocr/tesseract/archive/3.04.00.tar.gz
mv 3.04.00  Tesseract3.04.00.tar.gz
tar -xvf Tesseract3.04.00.tar.gz  
cd tesseract-3.04.00/
./autogen.sh
./configure
make && make install
 
（3）下载安装英文，中文繁体，中文简体 识别库。
wget --no-check-certificate https://github.com/tesseract-ocr/tessdata/raw/master/eng.traineddata
wget --no-check-certificate https://github.com/tesseract-ocr/tessdata/raw/master/chi_sim.traineddata
wget --no-check-certificate https://github.com/tesseract-ocr/tessdata/raw/master/chi_tra.traineddata
                      
cp/mv *.traineddata /usr/local/share/tessdata/
 

（4）测试

拍一张名片的照片

转换一张tiff格式图片，后面用

[root@www wx.ent]# convert -negate card.jpg card.tif

试用JPEG文件识别：

[root@www wx.ent]# tesseract card.jpg ./b  -psm 3 -l chi_sim+eng      [root@www wx.ent]# cat b.txt 李某某 丨胁工捏师`   天津币英环信诚科披苜眼公司   地址: 申国天津华苑产业区科薯别髦76害 邮编: 300384 电话: 022-23707238-807   债真: 022-83712515 手机: 139******** E_mail: ‖xuex|n@yinghuan′com

 接下来使用TIFF文件识别：

[root@www wx.ent]# tesseract card.tif ./b  -psm 3 -l chi_sim+eng         
Tesseract Open Source OCR Engine v3.04.00 with Leptonica
Page 1
Warning in pixReadMemTiff: tiff page 1 not found
[root@www wx.ent]# cat b.txt
李某某 丨胁工湟师丨

天津币英环信诚科技苜限公司

地址: 巾国夭津华苑产业区科薯别藿76害
mm: 300384 电话: 022-237o7238-807

传真: 022-83712515
手机: 139*******
E_mail: ‖XueX|n@yinghuan′com

可见结果并没有差别。至此tesseract-ocr就安装完成了。