【LinuxMint19】tesseract v3.05.02 インストール　[tesseract]

2019.05.03Linuxtesseract

記事：2018年11月

ソースファイルからコンパイルしてインストールしたときの備忘録

★前提環境★
・Linux mint 19 (32bit)
・tesseract v3.05.02
・leptonica v1.76.0

ライブラリーのインストール

依存関係のあるライブラリー

sudo apt-get install g++
sudo apt-get install autoconf automake libtool
sudo apt-get install autoconf-archive
sudo apt-get install pkg-config
sudo apt-get install libpng-dev
sudo apt-get install libjpeg-dev
sudo apt-get install libtiff-dev
sudo apt-get install zlib1g-dev

学習用ツールのライブラリー

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

leptonica 画像解析ライブラリーのインストール

★tesseract と leptonica のバージョン関係★

Tesseract	Leptonica	Ubuntu
ver4.00	ver1.74.2	Ubuntu 18.04
ver3.05	ver1.74.0	Must build from source
ver3.04	ver1.71	Ubuntu 16.04
ver3.03	ver1.70	Ubuntu 14.04
ver3.02	ver1.6	Ubuntu 12.04
ver3.01	ver1.67	-

インストール予定の tesseract v3.05.02 は,Leptonica は v1.74 or higher is required.
になります。(Leptonica v1.74 または それ以上のバージョン)

leptonica 公式で提供中のバージョン確認
http://www.leptonica.com/download.html

tesseract v3.05.02 に、leptonica-1.76.0 をインストールした。

wget http://www.leptonica.com/source/leptonica-1.76.0.tar.gz
tar xvzf leptonica-1.76.0.tar.gz
cd leptonica-1.76.0
./configure
make
sudo make install

tesseract のインストール

tesseract v3.05.02 のインストール

wget https://github.com/tesseract-ocr/tesseract/archive/3.05.02.tar.gz -o tesseract-ocr.tar.gz
tar xvzf tesseract-ocr.tar.gz
cd tesseract-3.05.02
./autogen.sh
./configure --prefix=/usr/local/tesseract LDFLAGS="-L/usr/local/lib" CFLAGS="-I/usr/local/include"
make
sudo make install
sudo ldconfig

学習用ツールのインストール

make training
sudo make training-install
sudo ldconfig

環境変数の追加

下記の変数を ホームディレクトリの .bashrc に追加

cd ~
vi .bashrc

環境変数のPATHが正しいことを確認してみる

1. バージョンの確認

tesseract -v



2. 下のような画面が表示されればPATHは正しいです。

tesseract -v

tesseract 3.05.02
leptonica-1.76.0
libjpeg 8d (libjpeg-turbo 1.5.2) : libpng 1.6.34 : libtiff 4.0.9 : zlib 1.2.11


下の画面の場合は、PATHを見直してください。


tesseract: コマンドが見つかりません

言語データの追加

Linuxの場合は、日本語の言語データは一緒にインストールされないので、下の記事を参考に追加してみてください。

実際に文字認識をやってみる

1. ホームディレクトリに sample ディレクトリを作成する。

mkdir ~/sample



2. 下の画像を ファイル名「 test.png 」として sample ディレクトリに保存する。
画像保存
3. sample ディレクトリに移動する

cd ~/sample



4. 文字認識をさせてみる

tesseract test.png result -l jpn

※オプションの -l は、英字のエル(小文字)です。


正常

tesseract test.png result -l jpn

Tesseract Open Source OCR Engine v3.05.02 with Leptonica


異常(画像ファイルが存在しない場合)

tesseract test.png result -l jpn

Tesseract Open Source OCR Engine v3.05.02 with Leptonica
Error in fopenReadStream: file not found
Error in findFileFormat: image file not found
Error during processing.



5. result.txt ファイルが作成されます。覗いてみる。

cat result.txt

夏が来た



6. ファイルの中身は 「 夏が来た 」かと思います。

学習ツールについて

学習ツールは言語データを新たに作成して、文字の認識率を底上げするために使います。
かといって、学習した言語データでも結構誤認識しますが・・・。

※ただし、パッケージインストールの場合は、/usr/local/...配下 にインストールされます。
※学習ツールの扱い方は、いずれ記事にしたい･･･かなと