弹性云服务器部署文字识别Tesseract项目

实验目标与基本要求

Tesseract (是OCR中的一种实现方式)是一个光学字符识别引擎，支持多种操作系统。本实验将在华为云鲲鹏弹性云服务器CentOS系统的实例上，安装Tesseract；体验通过源码在鲲鹏云服务器上安装软件，并使用Tesseract识别图片中的文字。

基本要求：

熟练使用Linux基本操作命令；

了解Tesseract的基本原理；

实验摘要

1.部署开始

2.配置Tesseract

3.下载语言包

4.下载kunpeng文字图片进行demo测试

##试验操作

1.部署开始

双击“终端”打开Terminal输入以下命令回车，登陆ECS服务器：

操作说明：

①用复制ECS的弹性IP替换命令中的EIP，回车；

②接受秘钥输入“yes”，回车；

③输入密码，回车(输入密码时，命令行窗口不会显示密码，输完之后直接回车即可)

LANG=en_us.UTF-8 ssh root@EIP

连接成功，如下图所示(实验过程中请勿关闭该Terminal，否则需重复此步骤重建连接)。

1.2 安装依赖的基础组件

配置Tesseract所依赖的环境

yum install automake libtool gcc-c++ libjpeg-devel libpng-devel libtiff-devel -y

1.3.下载Leptonica源码包

下载Tesseract依赖的图像处理库Leptonica源码包，利用Leptonica源码包中这些库可实现开源Tesseract字符识别库的静态编译。

执行以下命令下载：

常见问题解答

什么是leptonica？

Leptonica 是一个面向教学的开源网站，广泛的应用于图像处理和图像分析的应用中。在很多linux操作系统中，都自带了它的套件。但是在使用它的时候，由于它设计精巧，加上它用的一些名称，和我们学过的并不一样，如常用的Bitblt位图操作被称为Rasterop，而腐蚀，膨胀等形态学操作不是独立的函数，而是由pixMorphSequence加上不同的参数来完成。

wget https://sandbox-experiment-resource.obs.cn-north-1.myhuaweicloud.com/kunpeng-tesseract/leptonica-1.78.0.tar.gz

1.4.解压Leptonica源码包

执行以下命令解压：

tar -xvf leptonica-1.78.0.tar.gz

1.5.编译和安装Leptonica

执行以下命令进入目录leptonica-1.78.0：

cd leptonica-1.78.0

在该目录下进行编译和安装Leptonica，执行以下命令：

./configure --prefix=/usr/ && make -j4 && make install

此过程大约需要2分钟，安装执行完成如下图所示：

1.6.配置Leptonica涉及的环境变量

1.6.1.导入环境变量

导入环境变量，使其他服务在任何地方都能引用该lib库。

执行以下命令打开配置文件：

vim /etc/profile

在打开的配置文件界面，先点击“shift+g”进入该配置文件的最后，再点击“i”键进入编辑模式，移动光标，如下图所示：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-oiwen8Wc-1573628229124)(/Users/supermike/Downloads/原创文章/弹性云服务器部署文字识别Tesseract项目/图片6.png)]

拷贝粘贴如下内容：

export PKG_CONFIG_PATH=/usr/lib/pkgconfig

点击ESC退出编辑，输入:wq回车保存。

:wq

保存完成如下图所示：

1.6.2.令环境变量有效

执行以下命令使环境变量有效,(ldconfig是一个动态链接库管理命令，其目的为了让动态链接库为系统所共享)。

source /etc/profile && ldconfig

2.配置Tesseract

2.1.下载Tesseract源码包

下载源代码到“/usr/local/src”目录下，执行以下命令切换到该目录：

什么是tesseract？

cd /usr/local/src

执行以下代码下载Tesseract源码包：

wget https://sandbox-experiment-resource.obs.cn-north-1.myhuaweicloud.com/kunpeng-tesseract/tesseract-4.0.0.tar.gz

下载成功如下图所示：

2.2.解压Tesseract源码包

执行以下命令解压：

tar -xvf tesseract-4.0.0.tar.gz

解压完成如下图所示：

2.3.编译和安装Tesseract

执行以下命令进入目录tesseract-4.0.0：

cd tesseract-4.0.0

在该目录下执行以下命令进行安装和编译：

./autogen.sh && ./configure && make -j4 && make install

大约需要6分钟，编译安装完成

3.下载语言包

3.1.下载英文语言包

语言包资源下载到“root”目录。执行以下命令切换到“root”目录：

cd /root

执行以下命令下载英文语言包：

wget https://sandbox-experiment-resource.obs-website.cn-north-1.myhwclouds.com/kunpeng-tesseract/eng.traineddata

3.2.下载中文语言包

执行以下命令下载中文语言包：

wget https://sandbox-experiment-resource.obs-website.cn-north-1.myhwclouds.com/kunpeng-tesseract/chi_sim.traineddata

3.3.将语言包复制到对应的目录

Tesseract语言包需要存放在“usr/local/share/tessdata”，以便于Tesseract识别。

执行以下命令拷贝语言包：

cp eng.traineddata /usr/local/share/tessdata -r && cp chi_sim.traineddata /usr/local/share/tessdata -r**

4.下载kunpeng文字图片进行demo测试

将图片下载至服务器，然后输入命令，让系统自动识别图片内容，最后得出结果。

4.1.中文测试

执行以下命令下载图片：

wget [https://portal-www-software.obs.cn-north-1.myhuaweicloud.com:443/kunpeng_chi.bmp

执行以下命令识别图片中的内容并查看输出结果。

tesseract -l chi_sim kunpeng_chi.bmp res_chi && cat res_chi.txt

4.2.英文测试

执行以下命令下载图片：

wget [https://portal-www-software.obs.cn-north-1.myhuaweicloud.com:443/kunpeng.bmp

执行以下命令识别图片中的内容将其存放在result中并查看输出结果。

tesseract kunpeng.bmp result && cat result.txt