Win10 + vs2017 编译并配置tesseract4.1.0

　　tesseract 是一个开源的OCR (Optical Character Recognition , 光学字符识别) 引擎，本文就介绍一下本身在编译 tesseract4.1.0时遇到的一些坑，但愿能给你们带来一些帮助。

1、下载 tesseract

　　tesseract 是一个开源项目，能够在 GitHub 上下载源码：https://github.com/tesseract-ocr/tesseract/releases/ 

　　固然，也能够下载安装版的：https://github.com/UB-Mannheim/tesseract/wiki 

 　　安装版的下载完后直接安装，而后配置环境变量（这个后面会讲到）便可使用。这个方法笔者也尝试过，可是很遗憾，没能在 vs 上找到相关的库文件，也就是不能在 vs 中调用 tesseract 相关的函数方法，只能在控制台上使用，这就比较蛋疼了，暂时在网上也没找到相关的方法，因此只能下个源码包本身编译配置了，折腾了一天才搞定，不得不吐槽一下在 Windows 上想本身编译一个东西真是麻烦。

 

2、所须要用到的工具

　　在 Windows 上编译 tesseract 主要须要用到两个工具：cmake和 cppan。

2.1 cmake

　　cmake 是一个跨平台的编译工具 ，可使用 cmake 在 Windows 上将源码编译成你想要的文件（好比说电脑上装了 visual studio，那么就能够生成 .sln 文件），在 Linux 上使用 cmake 的话，则能够生成 makefile 文件，能够说功能很是强大了。

　　Windows 上安装 cmake 很简单，直接下载可安装文件后一键安装就行：https://cmake.org/download/

 

 　　须要下载哪一个是本身系统而定，笔者下载的是cmake-3.14.2-win64-x64.msi ，这个是能够直接安装的。安装完后，记得将 cmake 安装目录下的 /bin 目录添加到 path 环境变量中去（本人的相应目录是 D:\Program Files\CMake\bin ）。配置完环境变量后，就能够在命令行使用 cmake 命令了。

 

2.2 cppan

　　cppan 是一个跨平台的 C/C++ 依赖管理器。它创建在CMake之上，还具备构建系统功能。CPPAN支持快速脚本式编码和原型设计以及处理大型项目。查找，共享和重用库，发布项目。 使用 CPPAN 可让你把时间花费在处理代码而不是管理依赖项上。CPPAN 能够为您将获取包的时间减小到秒！它支持轻松交叉编译，继承和推送您本身的设置，标记每一个依赖项。（注：以上介绍来自 CPPAN 英文介绍机翻，英文很差望见谅）。

　　能够在 https://cppan.org/client/ 这里下载 cppan 的安装包，本人下载的是 cppan-master-Windows-client.zip 文件。

　　下载好安装包后直接解压，能够发现一个 cppan.exe 文件，也不须要双击这个文件安装什么的，只须要将这个文件所在目录添加到 path 环境变量中去就好了。（笔者的目录是 D:\cppan，则直接把这个目录添加到环境变量 path 中去就行）。配置好环境变量后就能够在命令行使用 cppan 命令了。

　　

3、从源代码编译安装 tesseract

　　从源代码编译安装 tesseract 的基本步骤 GitHub 上有讲，按照 GitHub 上提供的方法来就行：https://github.com/tesseract-ocr/tesseract/wiki/Compiling

1）下载安装 cppan

2）下载安装 cmake

3）打开 Windows 命令行并进入 tesseract 源码目录（目录最好为全英文）；

4）在 tesseract 目录下依次运行下述命令：

cppan

mkdir build && cd build

cmake ..

 　　完成后，能够在 /tesseract/build 目录下看到一个 tesseract.sln 文件，说明 tesseract 源码编译成功了。（注：在运行 cppan 命令后，会下载一系列东西，耐心等待便可）。

5）上述命令编译完成后是 x86 平台上的解决方案，若须要 x64 平台上的解决方案能够这样：

mkdir bulid_win64 && cd bulid_win64

cppan ..

cmake .. -G "Visual Studio 15 2017 Win64"

　　若是须要在 vs2015 上使用 tesseract，只须要将 15 2017 改为 14 2015 便可。

 

4、在 vs2017 上编译 tesseract

　　用 cmake 编译完源码后，虽然生成了解决方案，可是还须要在 vs2017 上对该解决方案进行编译才能生成 tesseract 的可执行文件及相关库文件，步骤以下：

1）进入目录 /tesseract/bulid ，找到 tesseract.sln 文件，使用 vs2017 以管理员方式打开它！（这很重要，我第一次就是没用管理员方式打开才会报错的）。 以管理员方式启动 vs 程序的方法能够参考：https://blog.csdn.net/lien0906/article/details/47300881 ；

2）选择解决方案平台，x86 平台则选择 x86，x64 平台则选择 x64；

3）在解决方案资源管理器中，右键解决方案 tesseract，选择生成解决方案。

　　理论上说，已经完成了，可是现实老是残酷的，错误警报。。。

1）cppan-d-b-d 乱码问题：大部分错误都是乱码引发的，这是文件编码的问题。cppan 下载的文件是 UTF-8(不带签名)，而 vs2017 中文版默认保存的文本文件是 GB2312 编码。

解决方法以下：双击错误行，打开相应的文件，而后点击菜单栏中的“文件”下拉栏，选择“高级保存选项”，将编码方式保存为 “简体中文（GB2312）- 代码页 936” 便可。vs2017 的文件下拉菜单中默认是没有 “高级保存选项” 这一项的，能够本身手工添加。

2）error msb3073 命令 setlocal ：这个就是没有用管理员身份打开 .sln 文件所遇到的问题了，用管理员身份打开便可。

　　解决了这两个问题后，再次生成解决方案，应该没问题了。

　　最后，在 release 环境下再编译一次。

 

5、环境变量配置

　　在 vs2017 上编译完成后，能够在 C 盘下发现一个 tesseract 安装文件夹，个人是在 C:\Program Files\tesseract：

　　能够在 /bin 目录下找到 tesseract.exe 文件，将 C:\Program Files\tesseract\bin 添加到环境变量 path 中去（如何在 win10 上添加环境变量就不详细说明了，网上有许多教程）。此外，在 /bin 目录下新建两个文件夹 Debug 和 Release，分别将 D:\tesseract_4.1.0\build\bin\Debug 和 D:\tesseract_4.1.0\build\bin\Release 目录下的 .dll 文件复制到所新建的两个文件夹下去；而后将 C:\Program Files\tesseract\bin\Debug 和 C:\Program Files\tesseract\bin\Release 也添加到环境变量 path 中去，以下：

　　此外，新建一个系统变量TESSDATA_PREFIX，变量值为 D:\tesseract_4.1.0\tessdata，这个目录下存放的是 tesseract-ocr 语言包文件，能够在 GitHub 上下载，下载后放到该目录下去便可，下载地址为：https://github.com/tesseract-ocr/tessdata/

　　

　　配置好这两步后，应该就能够在命令行使用 tesseract 命令了，能够简单测试一下 tesseract 是否安装成功，以下：

 

6、配置 vs2017 以使用 tesseract

　　新建一个项目，在属性管理器，Debug | x64 下面，右键 Microsoft.Cpp.x64.user 选择属性：

 

1）在 VC++ 目录中：

　　选择包含目录，编辑，分别添加这三个目录：

C:\Program Files\tesseract\include

C:\Program Files\tesseract\include\tesseract

C:\Program Files\tesseract\include\leptonica

　　这里有个问题是，你在 C:\Program Files\tesseract\include 下可能并找不到 leptonica 这个目录，没办法，本身动手丰衣足食吧：在 C:\Program Files\tesseract\include 下新建文件夹 leptonica，而后将 C:\Users\lenovo\.cppan\storage\src\8f\a3\90d7\src 目录下的文件所有复制到 C:\Program Files\tesseract\include\leptonica 下便可（不一样电脑具体的目录可能会不一样，不过都在 C:\Users\lenovo\.cppan\storage\src\ 下）

 

 

2）在 VC++ 目录中，选择库目录，编辑，分别添加这三个目录：

C:\Program Files\tesseract\lib

C:\Program Files\tesseract\lib\Release

C:\Program Files\tesseract\lib\Debug
　　一样的，先在 C:\Program Files\tesseract\lib 目录下新建两个文件夹 Debug 和 Release，而后将 C:\Users\lenovo\.cppan\storage\lib\ab45fb78\Debug 目录下的 .lib 文件所有复制到 C:\Program Files\tesseract\lib\Debug 目录下；将 C:\Users\lenovo\.cppan\storage\lib\ab45fb78\Release 目录下的 .lib 文件所有复制到 C:\Program Files\tesseract\lib\Release 目录下。

 

3）在 连接器 -> 输入 -> 附加依赖项 中，编辑，添加如下两项：

pvt.cppan.demo.danbloomberg.leptonica-1.76.0.lib
tesseract41d.lib

　　完成后，重启一下电脑，应该就能够在 vs2017 上使用 tesseract 了。　　

 

7、一个使用 tesseract 识别数字的例程

　　通过一天的折腾，终于可使用 tesseract 了，写了一个小程序来试验一下 tesseract 的效果：

#include <opencv2/opencv.hpp>
#include <tesseract/baseapi.h>
#include <leptonica/allheaders.h>
#include <string>

using namespace std;
using namespace cv;

PIX* cvtMat2PIX(Mat imgGray);

int main(int argc, char *argv[])
{
    Mat sourceImage = imread("E:\\visual studio\\Opencv_Test\\Opencv_Test\\1.png",cv::IMREAD_GRAYSCALE);
    if (sourceImage.empty()) {
        perror("Failed to load image!\n");
        exit(EXIT_FAILURE);
    }

    Mat binImage;
    threshold(sourceImage,binImage,90,255,cv::THRESH_BINARY_INV);

    PIX *pixImage = cvtMat2PIX(binImage);                // 将图片由 Mat 转换成 Pix 格式

    // 使用 tesseract 进行数字识别
    const char* lang = "eng";
    string numText;
    tesseract::TessBaseAPI *tess = new tesseract::TessBaseAPI;        // 新建 tesseract 基类
    tess->Init(NULL,lang, tesseract::OEM_LSTM_ONLY);        // 初始化
    tess->SetPageSegMode(tesseract::PSM_AUTO);    // 设置识别模式
    tess->SetImage(pixImage);
    numText = string(tess->GetUTF8Text());
    cout << numText << endl;

    waitKey(0);
}


PIX* cvtMat2PIX(Mat imgGray)
{
    int cols = imgGray.cols;
    int rows = imgGray.rows;

    PIX *pixS = pixCreate(cols, rows, 8);

    for (int i = 0; i < rows; i++)
        for (int j = 0; j < cols; j++)
            pixSetPixel(pixS, j, i, (l_uint32)imgGray.at<uchar>(i, j));
    return pixS;
}

 

 　　所使用的图片以下：

 　　识别结果以下：

 　　效果还算不错。

 

　　由于 tesseract 的安装过程是在一周前完成了，故而有些地方记不太清楚，图也不是不少，可能会有一些错误，可是仍是但愿能对有须要的人有一些帮助。