Tesseract-OCR4.0版本在VS2015上的编译与运行(转)

Posted 2020-11-07 Compute

最近刚开始接触识别库引擎方面的知识，由于项目中需要使用光学识别处理模块，在老师与朋友的推荐下，我开始接触tesseract光学识别库，在最开始从GitHub上下载的源代码进行编译的时候，出现了许多意想不到的问题，为了先完成项目，我借鉴相关博客上针对tesseract3.04以下版本在VS2013上的编译方法，先在VS2013上运行tesseract，然而无法在VS2015上成功编译源代码，这让我一直纠结着，终于在和我们公司的齐工的一次探讨中，我们尝试了一种新的编译方法，测试结果显示编译成功，tesseract成功运行。 
对于tesseract4.0的编译我将它分为五个步骤： 
1.预处理部分，下载编译工程所需要的cmkae与cppan软件，并设置相应的环境变量，从GitHub上下载tesseract的相应源代码； 
2.在解压的tesseract目录下运行cppan，下载一些图片解压缩等需要的lib与dll； 
3.mkdir build目录，即在tesseract目录下新建一个build文件夹； 
4.进入build目录，运行cmake，等待10到20分钟，即可生成VS2015项目所需的工程文件； 
5.在编译成功的环境下，进入build目录下后缀为sln的工程文件，利用VS2015打开； 
6.编译工程目录下的libtesseract工程文件，这时会出现报错现象，这是由于编程语言编码问题造成的，我们需要修改相应的编码格式，使其生成相应的lib与dll； 
7.将目录下生成的lib与库文件路径添加到tesseract工程文件下的链接器输入与VC++目录中，点击生成，即可生成相应的.exe文件； 
8.在我的电脑高级属性环境变量中添加名为TESSDATA_PREFIX的变量，其值为tesseract文件夹下tessdata文件夹的地址。 
好了到这里我们就算大功告成了。

接下来我会一步一步的进行操作：

1预处理部分，下载相应的软件与源代码：

由于编译过程中相应的支持库是由cppan下载的，我们需要下载cppan并设置其环境变量，cppan的下载地址为： 
官网网址链接为https://cppan.org/client/ 
 
我下载的是cppan-master-Windows-client.zip文件，解压缩以后就是一个cppan.exe文件，如下图所示： 
 
接下来是设置环境变量，右键点击“我的电脑”，点击属性，在弹出的系统属性对话框中，选择高级，点击进入环境变量，在系统变量里面选择PATH变量，将cppan.exe所在的文件路径作为环境变量的值，这里我们就算是配置好cppan了。 
然后是下载最新的cmake，并进行配置环境变量： 
cmake官网下载地址为https://cmake.org/download/ 

我的电脑是X64版本的，所以我下载的是Windows win64-x64下的下载链接，即cmake-3.8.0-win64-x64.zip文件，解压缩以后将cmake-3.8.0-rc2-win64-x64目录下的bin文件夹的目录地址加载至系统环境变量PATH中，与cppan设置环境变量的方法一致。 
预处理的最后一步是从GitHub上下载tesseract4.0的源代码，下载的地址是 
https://github.com/tesseract-ocr/tesseract 
在该界面下选择clone or download,如下图所示 

然后我们解压缩，将其中所有的文件复制到我们新建的文件夹tesseract下（我个人觉得tesseract名字短，使用方便）

2运行cppan，下载相应的支持库

我使用的win10系统，所以在左下角Windows图标下鼠标右键单击，在弹出的界面中选择WIndows PowerShell管理员（A）选项，在运行cppan过程中，有可能杀毒软件会报错，可以先关闭杀毒软件。 
将盘符切换到tesseract文件夹所在的盘，即输入相应盘的名称即可，我的tesseract在G盘，我输入的是G:，回车键即进入了G盘,如下图所示： 

由于我昨天在G盘下才创建了一个tesseract的工程，我们将测试的tesseract放置在E盘下，直接E:即可切换到E盘下，输入命令cd tesseract即可进入tesseract文件夹下，如下图所示： 

在该目录下，我们继续在Windows PowerShell下运行命令cppan然后回车，等待cppan程序运行，（安装电脑管家的记得在运行此步骤之前关闭电脑管家，不然杀毒软件将cppan识别为病毒会自动退出命令行）如下图所示： 

3 tesseract文件夹下新建build文件夹，并进入build文件夹

在命令行中输入mkdir build即可新建一个build文件夹，然后cd build进入该目录中，如下图所示 

可以在文件夹中查看是否新建了build文件夹，如下图所示： 
 
你看下面是不是已经有了，build文件夹，这个文件夹是用来存放生成的VS2015的项目工程文件

4 运行cmake进行编译生成工程文件

我们继续在刚才运行的Windows PowerShell下运行以下命令 
cmake . . 
！！！注意后面两个dot不能省略 
运行情况如下图所示： 
 
你看正在生成关于VS2015的工程文件，做到这里我们可以去喝杯咖啡或者茶休息会了，因为编译时间大概为10到20分钟，具体的情况要看各位的电脑了。 

到这里我们已经成功生成VS2015的工程文件了，接下来的步骤就是进入VS2015中进行具体的操作啦！

进入工程文件，编译libtesseract

 
在build目录下找到tesseract.sln文件，用VS2015打开该文件； 
在菜单中选择生成解决方案的生成选项，由于是第一次进行生成，未进行任何修改，应该会报错的 
 
我们等待它进行生成，这个过程中对CPU的占用率差不多是100%，有可能在运行其他程序时出现卡顿，但这是正常的现象，编译过后就不会出现这种情况了 
这时出现了错误 

上图中第一个错误是由于编码原因造成的，我们点击错误，进入生成该错误的文件中 

在第250到251行出现错误，我们在菜单栏中点击文件目录下的高级保存选项 
 
进入之后，将编码由Unicode(UTF-8无签名）更换为简体中文（GB2312）-代码页936 
 
 
然后再进行生成，这时显示已经成功生成 

然后进入tesseract工程下，右键选择生成 
 
等待片刻后即可成功生成 

再回到该文件所在的目录中，查找生成的工程文件 
 
你看所有的文件都在此文件夹下面啦，然后我们去配置TESSDATA_PREFIX环境变量

配置TESSDATA_PREFIX环境变量

 
在tesseract目录中的tessdata文件下应该要下载eng.traineddata文件，这是英文的训练文件，大家按照自己的需要下载需要的文件 
下载地址是https://github.com/tesseract-ocr/tessdata 
也可以在后期的项目需要中，训练自己的识别库 
然后再我的电脑中系统变量中新建一个名为TESSDATA_PREFIX的变量，该变量的值为tessdata文件夹的路径，设置好以后，记得使环境变量生效（ps前面设置环境变量也是要记得使环境变量生效）

测试生成的目标文件

我们随便找了一张图片，命名为binary.tiff； 
 
然后运行cmd命令tesseract.exe binary.tiff out 
 
这时已成功生成out.txt 
打开out.txt文件 
 

这时编译的文件已可以开始进行识别工作，做到这里也算是大功告成了！