一、GCC環境

首先Linux環境需要安裝gcc，這個在后面需要編譯so庫使用，因為我的環境已經有了，所以這里就不贅述了，到網上找一下一大堆。

查看GCC版本：

$ gcc --version

gcc版本

二、下載Tesseract和Leptonica安裝包

Tesseract作為OCR引擎，避免不了使用圖像處理。Tesseract使用的圖像處理主要由Leptonica提供。Leptonica包含眾多圖像處理和圖像分析相關的功能。Tesseract 4.0必須要求Leptonica在1.74以上，我選著的tesseract-ocr-4.1.1 Release 和 leptonica-1.79，點擊可直接下載。

下載后上傳到服務器:

image.png

還有在線下載方式，但是這種方式因網絡問題會很慢,可能還會下載不完全，不建議使用：

$ wget http://www.leptonica.com/source/leptonica-1.79.0.tar.gz

$ wget https://github.com/tesseract-ocr/tesseract/archive/4.1.1.tar.gz

三、編譯so庫

1、解壓兩個壓縮包

$ tar -zxvf leptonica-1.79.0.tar.gz

$ tar -zxvf tesseract-4.1.1.tar.gz

image.png

2、進入leptonica-1.79.0目錄,編譯leptonica：

$ cd leptonica-1.79.0

$ ./configure && make && make install

編譯成功！

3、 進入tesseract-4.1.1目錄,編譯tesseract前要先生成configure文件，直接執行./autogen.sh會報錯，如下圖：

$ ./autogen.sh

錯誤原因缺少libtool*插件，解決方式：

第一步：

$ yum install automake -y

第二步：

在執行安裝 libtool插件

$ yum install libtool -y

上面兩步完成后，當前目錄下就會有個configure文件,它是源代碼安裝的第一步，主要的作用是對即將安裝的軟件進行配置，檢查當前的環境是否滿足要安裝軟件的依賴關系，開始

編譯tesseract-4.1.1

執行

$ ./configure && make && make install

唉 缺少C++編譯器，安裝：

$ yum install gcc gcc-c++

c++ 安裝完成

再次運行

$ ./configure && make && make install

報錯：

解決方式，在/etc/profile中配置一下leptonica的環境變量

export LD_LIBRARY_PATH=$LD_LIBRARY_PAYT:/usr/local/lib

export LIBLEPT_HEADERSDIR=/usr/local/include

export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig

$ vim /etc/profile

$ source /etc/profile

$ ./configure && make && make install

image.png

ok，編譯成功。

下載中文簡體語言庫chi_sim.traineddata,上傳到Linux /usr/local/share/tessdata/目錄：

image.png

測試下：

$ tesseract 123.png wenben -l chi_sim

報錯是因為環境沒有安裝這些libjpeg* libpng* freetype* gd* giflib* libtiff* zlib*依賴庫，并不是所有的都用到，可以只安裝libjpeg* libpng* libtiff*就可以了。

$ yum -y install libjpeg* libpng* libtiff*

重新編譯leptonica

$ make clean

$ ./configure && make && make install

重新編譯完成,tesseract --version 查看

順便在測試下：

$ tesseract 123.png wenben -l chi_sim

ok沒啥問題，查看編譯好的so庫。

$cd /usr/local/lib

so庫

紅框標注的這兩個庫就是支持tess4j在linux上進行文字識別的庫，其他的都是軟連接指向liblept.so.5.0.4和libtesseract.so.4.0.1。最后一步，復制liblept.so.5.0.4和libtesseract.so.4.0.1到/usr/lib64目錄下。

注意：

我使用的這個版本庫名必須要是libtesseract.so和liblept.so.5，創建軟連接也好，直接改名也行，不然tess4j會報錯找不到指定的依賴庫，我們可以根據程序拋出的異常去確認庫名。

到這就得到支持tessj4的庫了，可以把上一篇中的代碼打包一下上傳到服務測試下，后續我會把編譯好的庫地址在評論中發出來。

參考：

《centos編譯安裝tesseract-ocr 3.05》

《linux (centos7)上裝Tesseract-OCR最新版本(5.0)》

總結

以上是生活随笔為你收集整理的linux java ocr_Linux环境如何支持使用tess4j进行ORC的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。