图像识别软件Tesseract-OCR3.0.1在MAC上的安装

春运抢火车票是一场战斗

程序员在这场战斗里的唯一优势是整个程序代替人肉订票过程。

感谢太极公司，虽然他们显然没预估到全国人民抢票的热情，好歹没为我们模拟抢票设置任何障碍。

恩，除了验证码意外的。。。

 

网上搜索了一圈，图像识别领域有个著名的开源软件Tesseract-OCR3.0.1，在他的官方网站浏览了下，结构还是不错的,支持多种语言包，也包括中文。

项目地址：http://code.google.com/p/tesseract-ocr/

评估开源项目的首要是看是否能帮助我们解决问题，找了个基于Tesseract-OCR3.0.1的在线工具，看效果

 

效果还不错哈，准确的识别了验证码，就是他了。

 

MAC上装东西总是遇到些问题，这里做个流水帐。希望能对别人有点帮助哈

 

1、先下载需要的软件包

       OCR工具：  Tesseract-OCR3.0.1  source code    tesseract-ocr-3.01.eng.tar.gz 破验证码用英文就够了。

       图像处理工具：  Leptonica  1.68

       png识别工具：  libpng

       jpeg识别工具 ：libjpeg

       tif识别工具：   libtiff

       图像压缩算法包：zlib1g(mac os 已经集成了这个包，不需要安装了)

2、安装步骤

      1-  安装libpng,libjpeg,libtiff

 

./configure
make
sudo make install  

      2-  安装Leptionica

./configure
make
sudo make install  

 

    make的时候发现错误，提示

         pngio.c:119: error: ‘Z_DEFAULT_COMPRESSION’ undeclared here (not in a function)

    去wiki上搜了一把发现是 pngio.c这个文件有个BUG，在MAC下无法找到zlib1g包修改Leptionica/src/pngio.c在  #include "png.h"后插入一下代码即可。

 

#ifdef HAVE_LIBZ
#include "zlib.h"
#endif

 

 

    3- 安装Tesseract-OCR

./autogen.sh
./configure
make
sudo make install  

    4- 安装语言包

    解压tesseract-ocr-3.01.eng.tar.gz到/usr/local/share/tesseract就可以了。

 

3、try ocr

MacBook-Pro:work my$ tesseract pin.jpg  out -l eng
Tesseract Open Source OCR Engine v3.01 with Leptonica
MacBook-Pro:work my$ more out.txt 
Bvcs

 

 

至此，已经tesseract已经可以正常工作了。

剩下我们写段代码去通过命令行调用就可以实现图片的识别了。

 

tesseract自己提供的训练好的语言包不能保证百分百识别出验证码图片，这个可以通过抓取一定量的验证码来进行

训练，以更加精准的识别，官方有文档和工具如何进行

http://code.google.com/p/tesseract-ocr/wiki/TrainingTesseract3

 

后面我也会整理一个博文加以说明哈！