Android平台OCR工具之Tess-two的编译

1.Tesseract简介

Tesseract是Ray Smith于1985到1995年间在惠普布里斯托实验室开发的一个OCR引擎，曾经在1995 UNLV精确度测试中名列前茅。但1996年后基本停止了开发。2006年，Google邀请Smith加盟，重启该项目。目前项目的许可证是Apache 2.0。该项目目前支持Windows、Linux和Mac OS等主流平台。但作为一个引擎，它只提供命令行工具。 现阶段的Tesseract由Google负责维护，是最好的开源OCR Engine之一，并且支持中文。

主页地址：https://github.com/tesseract-ocr

在Tesseract的主页中，我们可以下载到Tesseract的源码及语言包，常用的语言包为

中文：chi-sim.traineddata

英文：eng.traineddata

2.Tess-two

因为Tesseract使用C++实现的，在Android中不能直接使用，需要封装JavaAPI才能在Android平台中进行调用，这里我们直接使用TessTwo项目，tess-two是TesseraToolsForAndroid的一个Git分支，使用简单，切集成了leptonica，在使用之前需要先从git上下载源码进行编译。

2.1.1 项目地址

Tess-two在git上地址为：https://github.com/rmtheis/tess-two

2.1.2 编译

我编译使用的环境：

• NDK R12
• Cygwin

NDK环境的具体配置及Cygwin的安装方法可以参照这篇博客：Windows下NDK环境的具体配置及Cygwin的安装

配置好NDK环境后，将从git上下载的Tess-two进行解压，放置的路径是： C:\cygwin64\tess-two-master，下边开始进行编译：

• 第一步：在Cygwin软件中使用cd命令打开Tesstwo的根目录(cd /cygdrive/c/cygwin64/tess-two-master/)。
• 第二步：切换到tess-two目录下的jni目录(cd tess-two/jni)。
• 第三步：输入命令进行编译($NDK/ndk-build.cmd)

编译之前可以用记事本打开jni目录下的文件Application.mk修改这里可以修改要编译的平台，以减少不必要的编译来节约时间。这个文件用来配置编译平台相关内容，我们最常用的估计只是APP_ABI字段，它用来指定我们需要基于哪些CPU架构的.so文件，当然你可以配置多个平台：

APP_STL := gnustl_static
APP_ABI := armeabi armeabi-v7a x86 mips arm64-v8a x86_64 mips64
APP_OPTIM := release
APP_PLATFORM := android-9
APP_CPPFLAGS += -fexceptions -frtti
NDK_TOOLCHAIN_VERSION := clang

我在安卓开发过程中APP_ABI := 后面只保留了 armeabi armeabi-v7a 编译需要耗费挺长时间，编译完成后，会在tess-two目录下生成libs文件夹，其中包含了编译生成的.so文件，可以进行使用。 也可以直接下载我编译好的包，这里给出下载地址，我测试了一下，是没有问题的。 我编译的Tess-two要求，Android 2.3 或更高版本，v3.04 trained data file  for a language. 数据必须复制到安卓设备上子目录命名为tessdata. tess-two下载（Tesseract 3.05、Leptonica 1.74.1、libjpeg 9b、libpng 1.6.25）