2018.5.4更新 training tesseract

由於Ubuntu下訓練tesseract 教程不足，還在繼續摸索。現在轉用Windows下的tesseract 3.05版本（tesseract 4.0在我的win10下總是出錯 還沒辦法解決）

• windows tesseract版本下載。
• exe安裝。
• 安裝完成後開啟CMD輸入tesseract回車出現tesseract介紹/help等，即安裝成功。

測試：新建測試資料夾/.../test 用畫圖板準備圖片檔案：test.png

命令列進入該檔案目錄下，輸入測試命令：

tesseract test.png output_test -l eng

【語法】tesseract imagename outputbase[-l lang] [-psm pagesegmode] [configfile...]接下來的教程見→ 

教程

所遇到的問題及解決方案：

1. Failed to load font_properties from font_properties

【解決】： 將命令列

mftraining -F font_properties -U unicharset -O num.unicharset num.font.exp0.tr 

更改為：

mftraining -F font_properties.txt -U unicharset -O num.unicharset num.font.exp0.tr 

2.Illegal short name for a feature換下一張圖片進行訓練，（跳過該問題訓練集）3.ICU ERROR...

【解決】開啟VS除錯，選擇除錯→選項→除錯→常規→啟動源伺服器支援                                                                                →符號→Microsoft符號伺服器【有圖教程】

4.【畫了6張tif圖，但是無法用jTessBoxEdit合併，可能訓練樣本有問題，重新嘗試解決】

5. empty page6. jTessBoxEditor中文亂碼 在setting中將字型改為宋體 
2018.3.23第一例EAST旭哥在做,開始調研tesseract-ocr(使用Github: 開啟專案後,先看看wiki,根據目錄進行操作)HOME頁Download tesseract-ocr Engine.(關於PPA: Personal Package Archives)命令列 執行demo推薦一篇部落格對整體環境的編譯執行：教程1這篇文章是Ubuntu16.4 我實際使用的是Ubuntu14.4(uname -a 檢視版本資訊)

在Ubuntu14.4下安裝時會報一個錯:W: GPG 錯誤：http://ppa.launchpad.net lucid Release: 由於沒有公鑰，無法驗證下列簽名： NO_PUBKEY FAF69C646FF368B7的問題解決方案:在終端中執行：sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys FAF69C646FF368B7

具體安裝程式碼如下:

sudo add-apt-repository ppa:alex-p/tesseract-ocrsudo apt-get updatesudo apt-get install tesseract-ocr

安裝完成後,先只能執行識別英文字元.其他字元需安裝依賴庫.////2018.3.23 完成demo測試 識別效果真的非常棒///2018.3.25 安裝編譯環境（參考GitHub與上面推薦的部落格均可） 可能出現的問題:

/usr/lib/nvidia-375/libEGL.so.1 is not a symbolic link /usr/lib32/nvidia-375/libEGL.so.1 is not a symbolic link 

/usr/local/cuda-8.0/targets/x86_64-linux/lib/libcudnn.so.5 is not a symbolic link

解決方法:

• 針對

/usr/lib/nvidia-375/libEGL.so.1 is not a symbolic link /usr/lib32/nvidia-375/libEGL.so.1 is not a symbolic link

解決：

sudo mv /usr/lib/nvidia-375/libEGL.so.1 /usr/lib/nvidia-375/libEGL.so.1.org

sudo mv /usr/lib32/nvidia-375/libEGL.so.1 /usr/lib32/nvidia-375/libEGL.so.1.orgsudo 

ln -s /usr/lib/nvidia-375/libEGL.so.375.66 /usr/lib/nvidia-375/libEGL.so.1sudo 

ln -s /usr/lib32/nvidia-375/libEGL.so.375.66 /usr/lib32/nvidia-375/libEGL.so.1

• 針對

/usr/local/cuda-8.0/targets/x86_64-linux/lib/libcudnn.so.5 is not a symbolic link

解決:

cd /usr/local/cuda/lib64sudo ln -sf libcudnn.so.5.10 libcudnn.so.5sudo ln -sf libcudnn.so.5 libcudnn.so

執行

sudo ldconfig

檢查是否報錯一個坑安裝注意，一定要從官網下載XXX.tar.gz安裝包安裝。（有問題先看看GitHub中的issues）我這邊安裝了Latest version，不可以從github直接git clone是因為該原始碼中無configure資料夾，在編譯時很多錯不好解決。3種方法，使用了第二種autoconfig。這裡按照官網的步驟一步一步來，如果在make install報錯，可能是Permission denied報錯，使用 sudo make install。在一系列操作完成後，到配置字型庫，我這邊出現的問題，路徑配置：

export TESSDATA_PREFIX=/media/xxx/tessdata

可以直接使用

wget https://github.com/tesseract-ocr/tessdata/raw/master/eng.traineddata

wget https://github.com/tesseract-ocr/tessdata/raw/master/chi_sim.traineddata

下載英文/中文等需要的語言。可能會遇到的錯誤：

Error opening data file /usr/local/share/tessdata/eng.traineddataPlease make sure the TESSDATA_PREFIX environment variable is set to the parent directory of your "tessdata" directory.Failed loading language engTesseract couldn't load any languages!Could not initialize tesseract.

以上，可以完成測試。注意：tesseract-ocr 識別的是 印刷體字。有一篇部落格，寫了ocr.sh檔案，貌似是可以把路徑直接改正?我還沒嘗試，先貼在這裡吧。/// 開始準備 training 環節。安裝jTessBoxEditor到官網下載，tesseract-ocr 4.0,下載了最新版本的

• 解壓 tar -zxvf jTessBoxEditor
• 轉到解壓後的目錄： cd /jTessBoxEditor
• 啟動 jTessBoxEditor，命令列輸入 java -Xms128m -Xmx1024m -jar jTessBoxEditor.jar

然後 配置Java環境。推一篇參考：最後選擇安裝了jdk8報錯：mirror什麼的，換成中科院源wget https://github.com/tesseract-ocr/tessdata/raw/master/eng.traineddatawget https://github.com/tesseract-ocr/tessdata/raw/master/chi_sim.traineddata