tesseract-ocr的安装及使用
Posted enumx
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了tesseract-ocr的安装及使用相关的知识,希望对你有一定的参考价值。
1、下载安装包
根据https://github.com/tesseract-ocr/tesseract/wiki,我找到非官方的安装包,好像我只看到64位的安装包http://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe,下载后直接安装即可,但是要记得你的安装目录,我们等会配置环境变量要用。
如果不是做英文的图文识别,还需要下载其他语言的识别包https://github.com/tesseract-ocr/tesseract/wiki/Data-Files。
简体字识别包:https://raw.githubusercontent.com/tesseract-ocr/tessdata/4.00/chi_sim.traineddata
繁体字识别包:https://github.com/tesseract-ocr/tessdata/raw/4.0/chi_tra.traineddata
或者直接我的百度云盘:链接:tesseract 密码:tmdm
第二步:安装
直接执行下载好的tesseract-ocr-setup-4.0.0-alpha.20180109.exe,下一步、下一步安装。安装过程中,会让你安装额外的语言包,可根据选择下载。
第三步:配置环境变量
我的是安装在C:Program Files (x86)Tesseract-OCR,界面如下:
将“F:Tesseract-OCR”添加到环境变量中。如图:
增加一个TESSDATA_PREFIX变量名,变量值还是我的安装路径F:Tesseract-OCR essdata这是将语言字库文件夹添加到变量中;
?
使用
打开命令终端,输入:tesseract -v,可以看到版本信息
用命令tesseract --list-langs来查看Tesseract-OCR支持语言。
将命令行切换至目标图像文件目录,比如我们转换文件为test.png(图片文件允许多种格式),位于C:UsersLianDesktop est;然后在命令行中输入
tesseract test.png output_1 –l eng
【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eng开头的语言文件eng.traineddata),如不标-l eng则默认为eng。
?
打开文件output_1.txt,发现tesseract成功的将图像转换成152408。
?
遇到的问题:
问题1:
没有配置环境变量,按上面情况将环境变量配置好
问题2:
E: estdir>tesseract ttest1.png test1 -l eng?
Error opening data file Program Files (x86)Tesseract-OCR essdata/eng.traineddata?
Please make sure the TESSDATA_PREFIX environment variable is set to the parent directory of your "tessdata" directory.?
Failed loading language ‘eng‘?
Tesseract couldn‘t load any languages!?
Could not initialize tesseract.?
?? 错误信息的关键词是tesseract_prefix的环境变量设置。
解决办法:? 找到testData所在的目录,默认情况下是在tesseract安装的目录,在环境变量中设置TESSDATA_PREFIX的环境变量为testdata所在的目录即可。 重新运行命令即可正常使用。
以上是关于tesseract-ocr的安装及使用的主要内容,如果未能解决你的问题,请参考以下文章
使用Python,OpenCV进行Tesseract-OCR绑定及识别
Windows tesseract-OCR 的安装和简单测试
Windows tesseract-OCR 的安装和简单测试