linux系統如何使用ocr圖片文字識別
技術標籤：思博
1、安裝GCC開發環境，從而支援後續程式的編譯安裝：
yum groupinstall "Development Tools"2、安裝tesseract所需的依賴庫
yum -y install libjpeg* libpng* freetype* gd* giflib* libtiff* zlib*3、安裝tesseract和leptonica
參考：CENTOS 下 編譯安裝 tesseract-ocr 3.0.4 識別文字
注意： 安裝完成後，將/usr/local/lib/ 目錄下的so檔案拷貝到 /usr/lib64/
cp /usr/local/lib/*.so.* /usr/lib64/
4、測試和驗證
通過上述3步，就完成了tesseract所需的環境配置，你的tess4j相關的應用，就可以在本Linux系統上面溜溜的運行了。
CENTOS 下 編譯安裝 tesseract-ocr 3.0.4 識別文字
網上搜集了不少資料，發現目前Tesseract轉移到了Github上，因此下載方式和以前略有差別，下文是參考了諸位達人（再此表示感謝）和自己的實際操作過程形成的。
（1）首先安裝依賴的leptonica庫：
wget http://www.leptonica.com/source/leptonica-1.72.tar.gz
tar -xvf leptonica-1.72.tar.gz
./configure && make && make install
（2）編譯tesseract了，所用版本 3.04，編譯需要automake、libtool，直接用yum安裝就可以了。
wget https://github.com/tesseract-ocr/tesseract/archive/3.04.00.tar.gz
mv 3.04.00 Tesseract3.04.00.tar.gz
tar -xvf Tesseract3.04.00.tar.gz
cd tesseract-3.04.00/
./autogen.sh
./configure
make && make install
（3）下載安裝英文，中文繁體，中文簡體 識別庫。
wget --no-check-certificate https://github.com/tesseract-ocr/tessdata/raw/master/eng.traineddata
wget --no-check-certificate https://github.com/tesseract-ocr/tessdata/raw/master/chi_sim.traineddata
wget --no-check-certificate https://github.com/tesseract-ocr/tessdata/raw/master/chi_tra.traineddata
cp/mv *.traineddata /usr/local/share/tessdata/
（4）測試
拍一張名片的照片
轉換一張tiff格式圖片，後面用
[[email protected] wx.ent]# convert -negate card.jpg card.tif
試用JPEG檔案識別：
|
|
接下來使用TIFF檔案識別：
[[email protected] wx.ent]# tesseract card.tif ./b -psm 3 -l chi_sim+eng Tesseract Open Source OCR Engine v3.04.00 with Leptonica Page 1 Warning in pixReadMemTiff: tiff page 1 not found [[email protected] wx.ent]# cat b.txt 李某某 丨脅工湟師丨 天津幣英環信誠科技苜限公司 地址: 巾國夭津華苑產業區科薯別藿76害 mm: 300384 電話: 022-237o7238-807 傳真: 022-83712515 手機: 139******* E_mail: ‖XueX|[email protected]′com
可見結果並沒有差別。至此tesseract-ocr就安裝完成了。