首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >ubuntu 14.04 下安装 PyTesser 进行OCR识别

ubuntu 14.04 下安装 PyTesser 进行OCR识别

作者头像
WindCoder
发布2018-09-19 18:20:47
1.1K0
发布2018-09-19 18:20:47
举报
文章被收录于专栏:WindCoderWindCoder

前言

玩python期间,看到好多用python做的爬虫,感觉挺好玩,就开始了爬虫之旅的学习,期间受一些教程的启发想去试试学校的教务系统,可惜登录需要验证码,于是四处寻找解决方法,最终找到这个大致能看懂的。

网上重复的不少,很多都是直接ctrl+c/v出来的,文章排版一类的难免让人不忍直视,加之安装过程有点繁琐,暂且整理记录于此,供自己这样的小白以用之。

1、必备库

检查系统是否已经安装以下库:

libpng   , libjpeg ,libtiff,zlibg-dev

命令:

ldconfig -p | grep libpng
ldconfig -p | grep libjpeg
ldconfig -p | grep libtiff
ldconfig -p | grep zlibg

若没有就安装:

sudo apt-get install libpng12-dev
sudo apt-get install libjpeg62-dev
sudo apt-get install libtiff4-dev
sudo apt-get install zlibg-dev

 有些教程中出现需要如下库:

gcc、g++、automake

sudo apt-get install gcc
sudo apt-get install g++
sudo apt-get install automake

2、安装PIL

方法一

到PIL首页下载适合你的python版本的PIL:http://www.pythonware.com/products/pil/

我python是2.7版本的,下载地址是:http://effbot.org/downloads/Imaging-1.1.7.tar.gz

解压压缩包:

sudo ar -zxvf Imaging-1.1.7.tar.gz

进入解压后的文件夹:

 sudo cd Imaging-1.1.7

安装:

 sudo python setup.py install

方法二

sudo apt-get install libjpeg-dev
sudo apt-get install libfreetype6-dev
sudo easy_install PIL

不安装libjpeg-dev,会出现:"decoder jpeg not available"错误,如下图示。

不安装libfreetype6-dev,会出现“The _imagingft C module is not installed”错误,如下图示:

3、安装Tesseract:

下载最新版Tesseract,下载地址http://code.google.com/p/tesseract-ocr/downloads/list 我下载的是3.02版本。

解压压缩包:

sudo tar -zxvf tesseract-ocr-3.02.02.tar.gz

进入解压后的文件夹:

sudo cd tesseract-ocr

安装:

sudo ./configure --prefix=/opt/tesseract
sudo make
sudo make install

安装完成后要配置PATH,修改用户home目录下的 .profile或者.bash-profile我这里是修改.bash-profile。在PATH那里加上 以下内容。

:/opt/tesseract/bin

如命令:

export PATH=$PATH :/opt/tesseract/bin

令配置文件生效:

sudo .bash-profile

提示:

1、使用--prefix 来指定安装的目录,我这里的安装目录是/opt/tesseract

2、若提示:./configure: line 1937: config.log: Permission denied

需用到sudo

4.安装pytesser:

下载pytesser

http://code.google.com/p/pytesser/downloads/list

目前只有一个版本。

解压压缩包

sudo unzip pytesser_v0.0.1.zip

提示:

1.建议创建一个文件夹,把压缩包放到文件夹里在解压,因为直接使用unzip来解压会把压缩包里的东西解压到当前目录,不易管理。

2.解压时可以使用 -d将zip文件解压至指定文件夹下,如:

sudo unzip pytesser_v0.0.1.zip -d /opt/py

测试

目录下有“phototest.tif”和'fnord.tif两个'图片文件作为测试用,此处选择其中的‘fnord.tif’直接在目录下写一个python脚本进行测试: test.py:

from pytesser import *
im = Image.open('fnord.tif')
text = image_to_string(im)
print text

图片:

效果:

补遗

1、pytesser文件夹外.py文件的无法调用

目前仅能在解压的文件夹中使用pytesser,在其文件夹外使用,即使写成如下代码:

import sys
sys.path.append("/opt/pythonk/pytesser")
from pytesser import *
im = Image.open('fnord.tif')
text = image_to_string(im)
print text

依旧会报:

Traceback (most recent call last):
  File "/home/wind/KuaiPan/text.py", line 11, in <module>
    from pytesser import *
ImportError: No module named pytesser

的错误。

2、pytesser依赖于PIL,因此需要先安装PIL模块

3、 leptonica

据说 pytesser 调用了 tesseract ,因此需要安装 tesseract,安装 tesseract 需要安装  leptonica ,否则编译tesseract 的时候出现 "configure: error: leptonica not found"。

下载安装leptonica

http://www.leptonica.org/download.html

或者

http://code.google.com/p/leptonica/downloads/list

最新的是 leptonica-1.69.tar.bz2

4、ldconfig命令的解释和用法

在我们做Linux开发的时候,往往会出现 某些库 can not found 的情况,在我们添加了这些库之后,如何查看这些库的路径是否被识别了呢?下面介绍一个命令:

ldconfig -p | grep lts

说明:使用 ldconfig -p 命令用来打印出当前缓存所保存的所有库的名字,然后用管道符传递给 grep lts 命令用于解析出 liblts.so 共享库的路径是否已加入缓存中。

以下是ldconfig命令的解释和用法:http://blog.163.com/cn_prince/blog/static/638790120078289157270/

ldconfig是一个动态链接库管理命令,为了让动态链接库为系统所共享,还需运行动态链接库的管理命令--ldconfig  ldconfig 命令的用途,主要是在默认搜寻目录(/lib和/usr/lib)以及动态库配置文件/etc/ld.so.conf内所列的目录下,搜索出可共享的动态 链接库(格式如前介绍,lib*.so*),进而创建出动态装入程序(ld.so)所需的连接和缓存文件.缓存文件默认为 /etc/ld.so.cache,此文件保存已排好序的动态链接库名字列表.

ldconfig通常在系统启动时运行,而当用户安装了一个新的动态链接库时,就需要手工运行这个命令.

ldconfig命令行用法如下:

ldconfig [-v|--verbose] [-n] [-N] [-X] [-f CONF] [-C CACHE] [-r ROOT] [-l] [-p|--print-cache] [-c FORMAT] [--format=FORMAT] [-V] [-?|--help|--usage] path...

ldconfig可用的选项说明如下:

(1) -v或--verbose : 用此选项时,ldconfig将显示正在扫描的目录及搜索到的动态链接库,还有它所创建的连接的名字.

(2) -n : 用此选项时,ldconfig仅扫描命令行指定的目录,不扫描默认目录(/lib,/usr/lib),也不扫描配置文件/etc/ld.so.conf所列的目录.

(3) -N : 此选项指示ldconfig不重建缓存文件(/etc/ld.so.cache).若未用-X选项,ldconfig照常更新文件的连接.

(4) -X : 此选项指示ldconfig不更新文件的连接.若未用-N选项,则缓存文件正常更新.

(5) -f CONF : 此选项指定动态链接库的配置文件为CONF,系统默认为/etc/ld.so.conf.

(6) -C CACHE : 此选项指定生成的缓存文件为CACHE,系统默认的是/etc/ld.so.cache,此文件存放已排好序的可共享的动态链接库的列表.

(7) -r ROOT : 此选项改变应用程序的根目录为ROOT(是调用chroot函数实现的).选择此项时,系统默认的配置文件/etc/ld.so.conf,实际对应的为 ROOT/etc/ld.so.conf.如用-r /usr/zzz时,打开配置文件/etc/ld.so.conf时,实际打开的是/usr/zzz/etc/ld.so.conf文件.用此选项,可以 大大增加动态链接库管理的灵活性.

(8) -l : 通常情况下,ldconfig搜索动态链接库时将自动建立动态链接库的连接.选择此项时,将进入专家模式,需要手工设置连接.一般用户不用此项.

(9) -p或--print-cache : 此选项指示ldconfig打印出当前缓存文件所保存的所有共享库的名字.

(10) -c FORMAT 或 --format=FORMAT : 此选项用于指定缓存文件所使用的格式,共有三种:old(老格式),new(新格式)和compat(兼容格式,此为默认格式).

(11) -V : 此选项打印出ldconfig的版本信息,而后退出.(12) -? 或 --help 或 --usage : 这三个选项作用相同,都是让ldconfig打印出其帮助信息,而后退出.

参考资料

ubuntu 12.04 下安装 PyTesser 进行OCR识别

linux下安装使用pytesser,图片文本识别

(转)python图片识别小程序,验证码识别

Ubuntu下安装PIL

Linux/ARMLinux 中查看某个库是否存在的命令

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2015-01-30,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 前言
  • 1、必备库
    • 检查系统是否已经安装以下库:
      •  有些教程中出现需要如下库:
      • 2、安装PIL
        • 方法一
          • 方法二
            • 下载pytesser
            • 解压压缩包
            • 提示:
            • 测试
            • 1、pytesser文件夹外.py文件的无法调用
            • 2、pytesser依赖于PIL,因此需要先安装PIL模块
            • 3、 leptonica
            • 4、ldconfig命令的解释和用法
        • 3、安装Tesseract:
        • 4.安装pytesser:
        • 补遗
        • 参考资料
        相关产品与服务
        AI 应用产品
        文字识别(Optical Character Recognition,OCR)基于腾讯优图实验室的深度学习技术,将图片上的文字内容,智能识别成为可编辑的文本。OCR 支持身份证、名片等卡证类和票据类的印刷体识别,也支持运单等手写体识别,支持提供定制化服务,可以有效地代替人工录入信息。
        领券
        问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档