最近在做项目的时候偶然间发现了一个好玩的东西，那就是tesseract-ocr。首先介绍一下什么是OCR技术。光学字符识别(OCR,Optical Character Recognition)是指对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息的过程。说白了就是可以提取到图片中的文字，这个技术在近两年比较火，可以发现现在的很多软件中（例如QQ、微信等）都已经融入了OCR技术，于是我花了一天时间安装编译了tesseract-ocr，期间遇到很多问题，虽然网上有关tesseract-ocr如何安装编译的资料很多，但是总有一些问题出现，我亲自安装了两次，也总结了一些安装经验，想拿出来与大家分享。

注：以下安装以ubuntu16.04为例，本例中用到的文件是1.71版的leptonica和3.04版的tesseract。不同的操作系统用到的文件不同，请勿乱用。

一、Tesseract概述

sudo apt-get install libpng12-dev
sudo apt-get install libjpeg62-dev
sudo apt-get install libtiff5-dev
sudo apt-get install libtool
sudo apt-get install gcc
sudo apt-get install g++
sudo apt-get install automake

wget http://www.leptonica.org/source/leptonica-1.71.tar.gz

tar -zxvf leptonica-1.71.tar.gz

进入到leptonica-1.71目录下：

cd leptonica-1.71

./configure
make 
make install

4.下载安装tesseract。

找到在百度云盘下载的那些文件中的tesseract-3.04.00.tar.gz，将其解压到根目录中（解压的命令就不再写出来了），查看：

我们已经得到了安装编译tesseract所需的tesseract-3.04.00文件。

进入到该文件目录下：

cd tesseract-3.04.00

分别执行以下指令：

sudo ./autogen.sh
./configure
make 
make install
ldconfig

tesseract即安装编译成功。

5.安装中英文语言包。

找到在百度云盘下载的那些文件中的剩余文件，即chi_sim.traineddata、eng.traineddata、eng.traineddata.part三个文件，并把它们放到根目录中。

这个时候我们先来查看一下在/usr/local/share中是否有tessdata文件夹：

cd /usr/local/share
ls

发现确实已有tessdata文件夹，接着我们将刚刚的三个文件拷贝到tessdata文件夹下：

cp chi_sim.traineddata /usr/local/share/tessdata
cp eng.traineddata /usr/local/share/tessdata
cp eng.traineddata.part /usr/local/share/tessdata

到现在基本的安装编译工作已经完成。接着进行测试。

三、测试。

首先我们打开tesseract-3.04.00目录下的testing文件：

cd tesseract-3.04.00
cd testing
ls

发现一个名为phototest.tif的文件，这个文件其实就是一张图片：

这个图片中有几句英文语句，我们的测试就是基于这张图片，也就是识别出这张图片中的英文语句。

于是在testing目录下输入下面指令：

tesseract phototest.tif result -l eng

再查看testing目录下的文件，发现多了一个result.txt：

这个result.txt就是我们对刚刚的phototest.tif文件的识别结果，打开看一下：

跟刚刚图片中的内容完全一致，可以说识别率是很高的。到此我们的tesseract-ocr技术就已经可以使用了，由于我们导入了中文语言包chi_sim.traineddata，因此它还可以用来提取图片中的汉字，就这么简单就可以使用OCR技术来为你的程序服务了，很神奇也很简单！！！成就感满满！

PS：欢迎大家指出文中的不足和错误之处，我也是刚刚安装过，这里总结了自己的安装过程希望能帮到大家，此外每个人安装的过程中还可能遇到些小问题，可以百度解决，按照以上过程基本就能安装成功了！