1 安装依赖

yum install -y libpng-devel libjpeg-devel libtiff-devel

2 安装leptonica

tar -xzvf leptonica-1.78.0.tar.gz

cd leptonica-1.78.0

./configure

make && make install

安装完成后，配置环境变量

在 /etc/profile文件尾部添加

export LD_LIBRARY_PATH=/usr/local/lib

export LIBLEPT_HEADERSDIR=/usr/local/include

export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig

或者利用如下命令向 /etc/profile文件添加内容

echo "export LD_LIBRARY_PATH=/usr/local/lib" >> /etc/profile

echo "export LIBLEPT_HEADERSDIR=/usr/local/include" >> /etc/profile

echo "export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig" >> /etc/profile

使配置立即生效

source /etc/profile

3 安装tesseract-ocr

tar -xzf tesseract-4.0.0.tar.gz

cd tesseract-4.0.0

./autogen.sh

./configure

make && make install

ldconfig

下载OCR识别字符集

cd /usr/local/share/tessdata

wget https://hub.fastgit.org/tesseract-ocr/tessdata/raw/master/eng.traineddata

wget https://hub.fastgit.org/tesseract-ocr/tessdata/raw/master/chi_sim.traineddata

wget https://hub.fastgit.org/tesseract-ocr/tessdata/raw/master/chi_sim_vert.traineddata

测试tesseract-ocr4.0是否可用，分别输入tesseract --version、tesseract和tesseract --list-langs，如果能出现如下界面，则说明tesseract安装成功。

tesseract版本

tesseract帮助文档

tesseract已安装语言包

4 安装pytesseract

pip install pytesseract

安装完成后，我们就可以利用python调用tesseract-ocr接口来识别图片了。

import pytesseract

from PIL import Image

img=Image.open('test.png')

print(pytesseract.image_to_string(img,lang='chi_sim'))

image.png

5.可能遇到的错误

5.1.字符集错误

【错误描述】

错误描述如下

[root@localhost nsimtest]# tesseract --list-langs

Error opening data file /usr/local/share/tessdata/eng.traineddata

Please make sure the TESSDATA_PREFIX environment variable is set to your "tessdata" directory.

Failed loading language 'eng'

Tesseract couldn't load any languages!

【解决方案】

如果出现该错误，说明在默认的字符集路径中，未找到任何可用的字符集，此时就需要手动下载字符集，可参考安装步骤3来下载字符集。

【错误描述】

错误描述如下

[root@localhost nsimtest]# tesseract --list-langs

Error opening data file /usr/local/share/tessdata/eng.traineddata

Please make sure the TESSDATA_PREFIX environment variable is set to your "tessdata" directory.

Failed loading language 'eng'

Tesseract couldn't load any languages!

List of available languages (5):

chi_sim

chi_sim_vert

chi_tra

chi_tra_vert

eng

【解决方案】

如果出现该错误，说明在默认的字符集路径中，有字符集，但是字符集有问题，笔者出现这个错误是因为直接复制Github上的链接到服务器直接下载的，结果下载下来的字符集都是85k左右，刚开始还未注意到这个问题，浪费较多时间。重新根据安装步骤3来下载字符集即可。

异常字符集

正常字符集

5.2.leptonica错误

【错误描述】

leptonica错误

【解决方案】

出现该错误的原因是安装完leptonica后，未配置环境变量导致的，可安装安装步骤2配置leptonica的环境变量即可解决，如果在安装tesseract的过程中遇到该错误，则需要重新执行安装步骤3

6. 参考