绘制结构是化学工作者的基本功，但是对于大数据相关的工作，人工绘制数十万个结构就有些不现实，所以如果能实现类似OCR的功能，将对机器学习有很大帮助。2008年，一个叫Igor V. Filippov的老哥发布了名为OSRA的程序，即Optical Structure Recognition Application(光学结构识别程序）。这是一种类似于传统的OCR式程序，能将图片中的化学结构式转换成计算机可以读取的格式如SMILES、SDF等，它后来Schrödinger公司做的那种基于神经网络的结构识别系统有本质区别。第二年，老哥把工作写成了论文，如果想详细了解，可以看这篇文章：J. Chem. Inf. Model. 2009, 49, 3, 740–743。
这个程序的编译并不怎么顺利，遇到了挺多坑的，我是好几年前知道它的存在的，但是由于一直没时间排坑，就总在用它的在线版，但是长久以来在线版都没办法导出SDF，而SMILES的转换又没法跟图片上一致，而且最要命的是，它的图像API居然完全无法识别MacOS下生成的图片！！所以还是得编译本地版。这段时间由于肺炎疫情一直在家呆着，终于有时间仔细研究一下了。（果然闲出屁可以作出奇怪的工作2333）
本文的编译环境为MacOS 10.13.6，没有在其他系统上使过，并不推荐Windows系统，似乎挺麻烦的，作者也不推荐。首先，电脑上需要安装subversion和homebrew，subversion用来下载源代码，homebrew则用来安装依赖。
不知道出于什么原因，作者只会把BUG修复到svn版的代码里（可能是懒癌？），所以先用svn把代码check出来：
# must use svn version code
svn checkout https://svn.code.sf.net/p/osra/code/tags/2.1.1 osra-code
然后安装依赖，有一些是可以直接用brew安装的，有一些还是需要编译安装，先说brew安装的：
brew install libiconv, zlib, bzip2, freetype, libpng, libtiff, lcms, jasper, libjpeg
下面的一些依赖需要编译安装，用户要去对应的库的官网下载代码，然后按照如下的命令逐个安装：
#libxml2
./autogen.sh
make -j4
sudo make install
#Compile OCRAD and TCLAP as follows:
./configure
make -j4
sudo make install
#Potrace:
./configure --with-libpotrace --disable-shared
make -j4
sudo make install
#GOCR:
./configure
make libs
sudo make install
注意这里，Openbabel需要使用作者patch过的版本，可以在他的sourceforge下载到，下载完成后按如下命令安装：
#Openbabel
export LDFLAGS=/usr/local/opt/libiconv/lib/libiconv.a
mkdir build
cd build
cmake -DBUILD_SHARED=OFF ..
sudo make install
#GraphicsMagick
export LDFLAGS=
./configure --disable-shared --with-x=no --disable-openmp --without-threads
make -j4
sudo make install
# 要保证你的PATH里可以找到graphicsmagick++-config
# 把下面的路径换成你自己存储GraphicsMagick源代码的位置
export PATH=/Users/simon/Downloads/GraphicsMagick-1.3.21/Magick++/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/lib
#Poppler
sudo chown -R $(whoami) /usr/local/share/man/man4
brew install pkgconfig openjpeg
mkdir build
cd build
cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local -DENABLE_UNSTABLE_API_ABI_HEADERS=ON ..
make -j4
sudo make install
到这里依赖就全部安装好了，然后就是编译OSRA主程序了。你遇到的第一个大坑就是configure文件。作者原始的文件应该是没对mac优化过，所以configure就过不了，得手动把里面的某些参数改一改。用文本编辑器打开configure，找到所有的-static-libgcc，把它们全都删掉。然后搜索${MACPORTLIBS}，然后把这个变量替换成相应位置显示的库文件，你安装的库版本可能会和我的不一样，所以你需要确认一下你电脑上安装的真实版本，然后把路径改成你的，挨个替换。通过HomeBrew安装的库文件会在/usr/local/Cellar/里，而编译安装的库则在/usr/local/lib/里。有以下几个库需要替换：
/usr/local/lib/libxml2.a
/usr/local/Cellar/libiconv/1.16/lib/libiconv.a
/usr/local/Cellar/zlib/1.2.11/lib/libz.a
/usr/local/lib/liblcms2.a
/usr/local/lib/libtiff.a
/usr/local/lib/libfreetype.a
/usr/local/lib/libjasper.a
/usr/local/lib/libpng.a
/usr/local/Cellar/bzip2/1.0.8/lib/libbz2.a
/usr/local/Cellar/zlib/1.2.11/lib/libz.a
完成后，再运行configure就可以通过了，然后按照前面一样的方法make再install就可以了：
./configure --enable-static-linking --with-graphicsmagick-lib=/usr/local/lib --with-graphicsmagick-include=/usr/local/include/GraphicsMagick
make -j4
sudo make install
以下是我的私货时间（笑）
化学专业的学生写毕业论文综述要画上好几百个结构，手动画太令人头大了，有了OSRA后，就可以直接识别PDF里的结构了，于是乎我写了一个截图的GUI小程序，直接在结构上画个框就能把图截下来，然后自动调用OSRA把结构识别成SDF格式，PNG和SDF会被分别保存下来，SDF打开以后套一个模板就可以复制到word里去用了。
程序源代码我发布在了我的github上，用python写成，需要先用pip安装PyQt5，如果对你有帮助，别忘了在github上给我一个star😋下方是一个演示视频～
简书插不了视频，请移步我的博客观看demo
网友评论