Centos 6.5上的Tesseract 4.0安装

Tesseract 4.0在Centos 6上安装，存在很多坑，花了不少时间来处理，所以在这里给大家共享一下。

1.安装依赖工具

yum install autoconf automake libtool libjpeg-devel libpng-devel libtiff-devel zlib-devel

在centos上的yum的autoconf版本是2.63，安装tesseract需要2.69，所以需要先手动升级autoconf

查看当前autoconf版本

# rpm -qf /usr/bin/autoconf

autoconf-2.63-5.1.el6.noarch

卸载

# rpm -e --nodeps autoconf-2.63

安装autoconf 2.69

# wget ftp://ftp.gnu.org/gnu/autoconf/autoconf-2.69.tar.gz

# tar zxvf autoconf-2.69.tar.gz

# cd autoconf-2.69

# ./configure 

# make

# make install

安装autoconf-archive

# wget http://springdale.math.ias.edu/data/puias/computational/7/x86_64//autoconf-archive-2016.09.16-1.sdl7.noarch.rpm

# rpm -i autoconf-archive-2016.09.16-1.sdl7.noarch.rpm

安装leptonica

# wget http://www.leptonica.org/source/leptonica-1.74.4.tar.gz

# tar zxvf leptonica-1.74.4.tar.gz

# cd leptonica-1.74.4/

# ./configure

# make

# make install

安装C++11

这个需要增加一个yum的repo来进行安装

# wget http://people.centos.org/tru/devtools-2/devtools-2.repo -O /etc/yum.repos.d/devtools-2.repo

# yum install devtoolset-2-gcc devtoolset-2-binutils devtoolset-2-gcc-c++

# ln -s /opt/rh/devtoolset-2/root/usr/bin/* /usr/local/bin/

这里要命的是http://people.centos.org/tru/非常慢，导致yum报错退出，可能需要翻墙才能搞掂

2.安装tesseract4

# git clone https://github.com/tesseract-ocr/tesseract.git tesseract-ocr

# cd tesseract-ocr

# ./autogen.sh

# ./configure PKG_CONFIG_PATH=/usr/local/lib/pkgconfig

PKG_CONFIG_PATH=/usr/local/lib/pkgconfig 如果没有配置这个路径，会提示错误

# make

# make install

# ldconfig

3.语言包

tesseract默认只有eng的语言包，需要手动下载

语言包的目录是 /usr/local/share/tessdata

下载地址：https://github.com/tesseract-ocr/tesseract/wiki/Data-Files#data-files-for-version-400

如果觉得识别率比较低，可以使用经过训练的语言包，把语音包下载到下面的目录里面

# mkdir /usr/local/share/tessdata_best

下载地址：https://github.com/tesseract-ocr/tessdata_best

测试

# tesseract some.jpeg mytxt --tessdata-dir /usr/local/share/tessdata_best/ -l eng