Win10 + vs2017 編譯並配置tesseract4.1.0

　　tesseract 是一個開源的OCR (Optical Character Recognition , 光學字符識別) 引擎，本文就介紹一下本身在編譯 tesseract4.1.0時遇到的一些坑，但願能給你們帶來一些幫助。

1、下載 tesseract

　　tesseract 是一個開源項目，能夠在 GitHub 上下載源碼：https://github.com/tesseract-ocr/tesseract/releases/ 

　　固然，也能夠下載安裝版的：https://github.com/UB-Mannheim/tesseract/wiki 

 　　安裝版的下載完後直接安裝，而後配置環境變量（這個後面會講到）便可使用。這個方法筆者也嘗試過，可是很遺憾，沒能在 vs 上找到相關的庫文件，也就是不能在 vs 中調用 tesseract 相關的函數方法，只能在控制檯上使用，這就比較蛋疼了，暫時在網上也沒找到相關的方法，因此只能下個源碼包本身編譯配置了，折騰了一天才搞定，不得不吐槽一下在 Windows 上想本身編譯一個東西真是麻煩。

 

2、所須要用到的工具

　　在 Windows 上編譯 tesseract 主要須要用到兩個工具：cmake和 cppan。

2.1 cmake

　　cmake 是一個跨平臺的編譯工具 ，可使用 cmake 在 Windows 上將源碼編譯成你想要的文件（好比說電腦上裝了 visual studio，那麼就能夠生成 .sln 文件），在 Linux 上使用 cmake 的話，則能夠生成 makefile 文件，能夠說功能很是強大了。

　　Windows 上安裝 cmake 很簡單，直接下載可安裝文件後一鍵安裝就行：https://cmake.org/download/

 

 　　須要下載哪一個是本身系統而定，筆者下載的是cmake-3.14.2-win64-x64.msi ，這個是能夠直接安裝的。安裝完後，記得將 cmake 安裝目錄下的 /bin 目錄添加到 path 環境變量中去（本人的相應目錄是 D:\Program Files\CMake\bin ）。配置完環境變量後，就能夠在命令行使用 cmake 命令了。

 

2.2 cppan

　　cppan 是一個跨平臺的 C/C++ 依賴管理器。它創建在CMake之上，還具備構建系統功能。CPPAN支持快速腳本式編碼和原型設計以及處理大型項目。查找，共享和重用庫，發佈項目。 使用 CPPAN 可讓你把時間花費在處理代碼而不是管理依賴項上。CPPAN 能夠爲您將獲取包的時間減小到秒！它支持輕鬆交叉編譯，繼承和推送您本身的設置，標記每一個依賴項。（注：以上介紹來自 CPPAN 英文介紹機翻，英文很差望見諒）。

　　能夠在 https://cppan.org/client/ 這裏下載 cppan 的安裝包，本人下載的是 cppan-master-Windows-client.zip 文件。

　　下載好安裝包後直接解壓，能夠發現一個 cppan.exe 文件，也不須要雙擊這個文件安裝什麼的，只須要將這個文件所在目錄添加到 path 環境變量中去就好了。（筆者的目錄是 D:\cppan，則直接把這個目錄添加到環境變量 path 中去就行）。配置好環境變量後就能夠在命令行使用 cppan 命令了。

　　

3、從源代碼編譯安裝 tesseract

　　從源代碼編譯安裝 tesseract 的基本步驟 GitHub 上有講，按照 GitHub 上提供的方法來就行：https://github.com/tesseract-ocr/tesseract/wiki/Compiling

1）下載安裝 cppan

2）下載安裝 cmake

3）打開 Windows 命令行並進入 tesseract 源碼目錄（目錄最好爲全英文）；

4）在 tesseract 目錄下依次運行下述命令：

cppan

mkdir build && cd build

cmake ..

 　　完成後，能夠在 /tesseract/build 目錄下看到一個 tesseract.sln 文件，說明 tesseract 源碼編譯成功了。（注：在運行 cppan 命令後，會下載一系列東西，耐心等待便可）。

5）上述命令編譯完成後是 x86 平臺上的解決方案，若須要 x64 平臺上的解決方案能夠這樣：

mkdir bulid_win64 && cd bulid_win64

cppan ..

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

　　若是須要在 vs2015 上使用 tesseract，只須要將 15 2017 改爲 14 2015 便可。

 

4、在 vs2017 上編譯 tesseract

　　用 cmake 編譯完源碼後，雖然生成了解決方案，可是還須要在 vs2017 上對該解決方案進行編譯才能生成 tesseract 的可執行文件及相關庫文件，步驟以下：

1）進入目錄 /tesseract/bulid ，找到 tesseract.sln 文件，使用 vs2017 以管理員方式打開它！（這很重要，我第一次就是沒用管理員方式打開纔會報錯的）。 以管理員方式啓動 vs 程序的方法能夠參考：https://blog.csdn.net/lien0906/article/details/47300881 ；

2）選擇解決方案平臺，x86 平臺則選擇 x86，x64 平臺則選擇 x64；

3）在解決方案資源管理器中，右鍵解決方案 tesseract，選擇生成解決方案。

　　理論上說，已經完成了，可是現實老是殘酷的，錯誤警報。。。

1）cppan-d-b-d 亂碼問題：大部分錯誤都是亂碼引發的，這是文件編碼的問題。cppan 下載的文件是 UTF-8(不帶簽名)，而 vs2017 中文版默認保存的文本文件是 GB2312 編碼。

解決方法以下：雙擊錯誤行，打開相應的文件，而後點擊菜單欄中的「文件」下拉欄，選擇「高級保存選項」，將編碼方式保存爲 「簡體中文（GB2312）- 代碼頁 936」 便可。vs2017 的文件下拉菜單中默認是沒有 「高級保存選項」 這一項的，能夠本身手工添加。

2）error msb3073 命令 setlocal ：這個就是沒有用管理員身份打開 .sln 文件所遇到的問題了，用管理員身份打開便可。

　　解決了這兩個問題後，再次生成解決方案，應該沒問題了。

　　最後，在 release 環境下再編譯一次。

 

5、環境變量配置

　　在 vs2017 上編譯完成後，能夠在 C 盤下發現一個 tesseract 安裝文件夾，個人是在 C:\Program Files\tesseract：

　　能夠在 /bin 目錄下找到 tesseract.exe 文件，將 C:\Program Files\tesseract\bin 添加到環境變量 path 中去（如何在 win10 上添加環境變量就不詳細說明了，網上有許多教程）。此外，在 /bin 目錄下新建兩個文件夾 Debug 和 Release，分別將 D:\tesseract_4.1.0\build\bin\Debug 和 D:\tesseract_4.1.0\build\bin\Release 目錄下的 .dll 文件複製到所新建的兩個文件夾下去；而後將 C:\Program Files\tesseract\bin\Debug 和 C:\Program Files\tesseract\bin\Release 也添加到環境變量 path 中去，以下：

　　此外，新建一個系統變量TESSDATA_PREFIX，變量值爲 D:\tesseract_4.1.0\tessdata，這個目錄下存放的是 tesseract-ocr 語言包文件，能夠在 GitHub 上下載，下載後放到該目錄下去便可，下載地址爲：https://github.com/tesseract-ocr/tessdata/

　　

　　配置好這兩步後，應該就能夠在命令行使用 tesseract 命令了，能夠簡單測試一下 tesseract 是否安裝成功，以下：

 

6、配置 vs2017 以使用 tesseract

　　新建一個項目，在屬性管理器，Debug | x64 下面，右鍵 Microsoft.Cpp.x64.user 選擇屬性：

 

1）在 VC++ 目錄中：

　　選擇包含目錄，編輯，分別添加這三個目錄：

C:\Program Files\tesseract\include

C:\Program Files\tesseract\include\tesseract

C:\Program Files\tesseract\include\leptonica

　　這裏有個問題是，你在 C:\Program Files\tesseract\include 下可能並找不到 leptonica 這個目錄，沒辦法，本身動手豐衣足食吧：在 C:\Program Files\tesseract\include 下新建文件夾 leptonica，而後將 C:\Users\lenovo\.cppan\storage\src\8f\a3\90d7\src 目錄下的文件所有複製到 C:\Program Files\tesseract\include\leptonica 下便可（不一樣電腦具體的目錄可能會不一樣，不過都在 C:\Users\lenovo\.cppan\storage\src\ 下）

 

 

2）在 VC++ 目錄中，選擇庫目錄，編輯，分別添加這三個目錄：

C:\Program Files\tesseract\lib

C:\Program Files\tesseract\lib\Release

C:\Program Files\tesseract\lib\Debug
　　一樣的，先在 C:\Program Files\tesseract\lib 目錄下新建兩個文件夾 Debug 和 Release，而後將 C:\Users\lenovo\.cppan\storage\lib\ab45fb78\Debug 目錄下的 .lib 文件所有複製到 C:\Program Files\tesseract\lib\Debug 目錄下；將 C:\Users\lenovo\.cppan\storage\lib\ab45fb78\Release 目錄下的 .lib 文件所有複製到 C:\Program Files\tesseract\lib\Release 目錄下。

 

3）在 連接器 -> 輸入 -> 附加依賴項 中，編輯，添加如下兩項：

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

　　完成後，重啓一下電腦，應該就能夠在 vs2017 上使用 tesseract 了。　　

 

7、一個使用 tesseract 識別數字的例程

　　通過一天的折騰，終於可使用 tesseract 了，寫了一個小程序來試驗一下 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);                // 將圖片由 Mat 轉換成 Pix 格式

    // 使用 tesseract 進行數字識別
    const char* lang = "eng";
    string numText;
    tesseract::TessBaseAPI *tess = new tesseract::TessBaseAPI;        // 新建 tesseract 基類
    tess->Init(NULL,lang, tesseract::OEM_LSTM_ONLY);        // 初始化
    tess->SetPageSegMode(tesseract::PSM_AUTO);    // 設置識別模式
    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;
}

 

 　　所使用的圖片以下：

 　　識別結果以下：

 　　效果還算不錯。

 

　　由於 tesseract 的安裝過程是在一週前完成了，故而有些地方記不太清楚，圖也不是不少，可能會有一些錯誤，可是仍是但願能對有須要的人有一些幫助。