Tesseract-OCR学习系列（二）构建

转载自：



http://www.jianshu.com/p/5446776095b8

Build project from Tesseract Source Code for Visual Studio 2012

上一节讲到，如果直接编译libtesseract304工程，会有报错。说找不到某个头文件。看来，Tesseract还依赖于第三方的库。当然，这么没来由的瞎猜也不是个事儿。还不如再上官网找找线索。

果然，有一个页面就专门讲如何安装来着。如果你打算用Linux系统来编译（比如说Ubuntu），那么你就需要安装一些其它的库：

sudo apt-get install autoconf automake libtoolsudo apt-get install pkg-configsudo apt-get install libpng12-devsudo apt-get install libjpeg62-devsudo apt-get install libtiff4-devsudo apt-get install zlib1g-dev

如果你还想要训练，那就还得再多装一点：

sudo apt-get install libicu-devsudo apt-get install libpango1.0-devsudo apt-get install libcairo2-dev

你还需要安装Leptonia……这里就不详细说了，因为我的目标是要安装Windows的版本，所选择的编译器是Visual Studio 2012。

可怕的事情发生了，官网上居然只支持VS2015！

官网关于3.04.01的安装建议

然而，机智如我怎么可能为此而安装Visual Studio 2015。毕竟公司给配的电脑的运行速度正处在令我满意的边界值。我怕再装一个编译器会大大有损我司在我心目中的形象。不过现在是搞清楚了，我们需要安装的东西，就是Leptonica。那我去找个针对Visual Studio 2012的Leptonica不就完了吗？

还真让我给找着了！【GitHub Repo】

果断下载。

先来找找上一篇中找不到的allheaders.h吧。

原来就躲在liblept的头文件中呢。顿时有了信心。

打开tesseract.sln

解决方案中包含的项目如下：

发现项目的属性中，平台工具集为v120。v120表示的是Visual Studio 2013。（GitHub的作者一开始的目标是VS2012来着，后来不知为什么转而支持VS2013去了。）

因此，我们需要将所有项目的平台工具集属性都改成v110。(Debug|Release)都要改哦！

另外，Visual Studio 2012 的ToolsVersion为4.0。所以也需要手动修改一下所有项目中*.vcxproj中的ToolsVersion：

再着就开始生成吧：

• 生成zlib-128，成功。
• 生成libtiff-394，有警告，成功。
• 生成libpng-143，成功。
• 生成libjpeg-8c，成功。
• 生成giflib-416，有警告，成功。
• 生成liblept-171，失败……

额，失败了……主要原因是在函数中间定义变量，而未在函数一开始定义变量。VC2012不支持这么写。比如说，这样一个函数：

voidlept_direxists(const char  *dir,               l_int32     *pexists){    char  *realdir;    if (!pexists) return;    *pexists = 0;    if (!dir) return;    if ((realdir = genPathname(dir, NULL)) == NULL)        return;#ifndef _WIN32    {    struct stat s;    l_int32 err = stat(realdir, &s);    if (err != -1 && S_ISDIR(s.st_mode))        *pexists = 1;    }#else  /* _WIN32 */    l_uint32  attributes; //line 21    attributes = GetFileAttributes(realdir);    if (attributes != INVALID_FILE_ATTRIBUTES &&        (attributes & FILE_ATTRIBUTE_DIRECTORY)) {        *pexists = 1;    }#endif  /* _WIN32 */    FREE(realdir);    return;}

21行的声明没有放在开头写，所以需要修改成：

voidlept_direxists(const char  *dir,               l_int32     *pexists){    char  *realdir;    l_uint32  attributes; //原来的第21行    if (!pexists) return;    *pexists = 0;    if (!dir) return;    if ((realdir = genPathname(dir, NULL)) == NULL)        return;#ifndef _WIN32    {    struct stat s;    l_int32 err = stat(realdir, &s);    if (err != -1 && S_ISDIR(s.st_mode))        *pexists = 1;    }#else  /* _WIN32 */    attributes = GetFileAttributes(realdir);    if (attributes != INVALID_FILE_ATTRIBUTES &&        (attributes & FILE_ATTRIBUTE_DIRECTORY)) {        *pexists = 1;    }#endif  /* _WIN32 */    FREE(realdir);    return;}

全都是这样的问题。修改之后，成功生成。 将Release与Debug全都生成完后，在build/lib/Win32目录下，就会产生那么几个重要的文件。

接下来，我们再回过头来看一下libtesseract304的属性页。其添加的库目录为..\..\..\lib，

需要添加的库为liblept和libtiff。

include的目录为..\..\..\include和..\..\..\include\leptonica

因此接下来要做的事显得顺理成章，在tesseract的同一级目录中新建lib文件夹。放入这么些个文件。

在tesseract的同一级建立include文件夹，在include文件夹中建立leptonica文件夹。将liblept中的头文件全部拷入其中。

再次生成，结果还是错误。不过，这次的错误不一样了：

对应的错误代码在这儿：

显然是编码方式出了问题。解决方法：

文件->高级保存选项：

修改为：

再次生成，继续报错：

对应到的代码段为：

显然又是编译器不支持C99导致的错~Visual C 2012，你敢不敢支持一下C99！

无奈，那就修改一下吧，好在不是什么大问题。

修改为：

static void AddIdTohOCR(STRING* hocr_str, const std::string base, int num1, int num2) {  unsigned long bufsize = base.length() + 2 * kMaxIntSize;  char* id_buffer = (char*)malloc(bufsize*sizeof(char));  if (num2 >= 0) {    snprintf(id_buffer, bufsize - 1, "%s_%d_%d", base.c_str(), num1, num2);  } else {    snprintf(id_buffer, bufsize - 1, "%s_%d", base.c_str(), num1);  }  id_buffer[bufsize - 1] = '\0';  *hocr_str += " id='";  *hocr_str += id_buffer;  *hocr_str += "'";  free(id_buffer);}

生成，终于成功啦！在vs2010的DLL_Debug目录下生成了libtesseract304d.dll和libtesseract304d.lib文件。

乘胜追击，Release再来一下吧。OK，也是相当成功。在DLL_Release目录下生成了三个文件。

接下来，生成另外一个工程，tesseract。Debug与Release都很容易就生成了。

好不容易生成好，赶紧拿个例子尝试一下~

Tesseract是一个命令行程序，所以打开cmd命令行工具才是使用Tesseract的正确姿势。

tesseract的命令行语法如下：

tesseract imagename outputbase [-l lang] [-psm pagesegmode] [configfile...]

使用tesseract来进行OCR识别的最基本的用法如下：

tesseract myscan.png out

这会在myscan.png这张图像上进行OCR，然后把结果输出到out.txt中。

或者我们可以规定文字的语言，比如用德语来进行OCR。

tesseract myscan.png out -l deu

甚至可以用多种语言来进行识别，比如用德文加英文：

tesseract myscan.png out -l eng+deu

我已经迫不及待了，赶紧来PS一张图尝试一下吧~

myscan.png

原谅我作为程序员的职业病~接下来是见证奇迹的时刻：

好了，这一篇就写到这里吧。接下来会写些什么，我其实也不知道。敬请期待吧~

作者：行之与亦安
链接：http://www.jianshu.com/p/5446776095b8
來源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。