在vs2013上的编译tesseract-ocr

OCR(Optical Character Recognition):光学字符识别,是指对图片文件中的文字进行分析识别，获取的过程。

Tesseract：开源的OCR识别引擎，初期Tesseract引擎由HP实验室研发，后来贡献给了开源软件业，后经由Google进行改进，消除bug，优化，重新发布。当前版本为3.04.

1 准备工作

1.1 首先是安装vs2013 ultimate

需要注意的是用光盘镜像安装, 首先是用UltraISO将VS2013_RTM_ULT_CHS.iso mount到某个驱动器盘符,例如E:\下. (我采用rar直接解压ISO,发现安装失败,而采用mount ISO安装成功), 然后运行vs_ultimate.exe 安装即可.

1.2 下载tesseract-vs-master.zip和tesseract-vs2013-master.zip

到网站上直接下载zip:

https://github.com/charlesw/tesseract-vs

https://github.com/tesseract4java/tesseract-vs2013

也可以采用git clone方式:

$ git clone https://github.com/charlesw/tesseract-vs.git
$ git clone https://github.com/tesseract4java/tesseract-vs2013.git

至此准备工作完成.

1.3 将上面的包解压到任意目录

本文采用c:\DEVPACK\tesseract-build-vs2013, 最后的目录结构如下:

c/DEVPACK/tesseract-build-vs2013/
+---- tesseract-vs-master/
+---- tesseract-vs2013-master/

2 编译 leptonica

leptonica是一个图像处理和图像分析的开源软件(如libpng, libtiff, libjpeg, zlib等)合集. 是C语言的库. tesseract的库依赖leptonica. 例如:

DEBUG: libtesseract304d.dll=>liblept171d.dll

RELEASE: libtesseract304.dll=>liblept171.dll

2.1 命令批处理编译

编译leptonica很简单, 首先通过 "开始菜单->所有程序->Visual Studio 2013->Visual Studio Tools->VS2013 开发人员命令提示", 进入命令行窗口, cd 到c:\DEVPACK\tesseract-build-vs2013\tesseract-vs2013-master目录下:

c:\DEVPACK\tesseract-build-vs2013\tesseract-vs2013-master>msbuild build.proj

......
    142 个警告
    0 个错误

已用时间 00:03:39.36

    c:\DEVPACK\tesseract-build-vs2013\tesseract-vs2013-master>

如果没有错误, 则编译好了leptonica. 上面的过程或者采用VS2013 IDE编译.

2.2 VS2013 IDE编译

vs2013打开tesseract-vs2013-master/tesseract.sln, 然后就直接编译. 如果需要修改项目配置, 建议采用这种方式编译.

------------------------------

采用以上任何一种方法,编译成功之后,把 tesseract-vs2013-master/release 下面的include, lib目录整体复制到: c:\DEVPACK\tesseract-build-vs2013\. 复制好的目录结构如下:

.../tesseract-build-vs2013/
            +---include/
            +---lib/
            +---tesseract-vs-master/
            +---tesseract-vs2013-master/

3 编译 tesseract

用vs2013打开tesseract-build-vs2013/tesseract-vs-master/vs2010/tesseract.sln, 修改下面2个文件的编码:

ccmain\equationdetect.cpp Save As Unicode codepage 1200
ccstruct\linlsq.cpp Save As Unicode codepage 1200

适当修改库目录, 指向 .../tesseract-build-vs2013/lib/Win32 或 .../tesseract-build-vs2013/lib/x64

编译全部. 编译好之后, 用户创建的可执行程序只需要下面2个动态库即可:

libtesseract304.dll

liblept171.dll

4 总结

上面整个过程我花了1天时间摸索整理出来:

开始安装vs2015失败(估计原因是没采用mount ISO的方式), 卸载掉vs2015后, vs2013编译报ws_32.lib找不到.

于是卸载vs2013. 重新安装vs2013.iso失败(rar解压iso安装). 采用mount ISO的方式安装成功. 深刻教训.

tesseract-vs2013-master编译报错,修改部分语法成功.

我的编译偏好是采用:

多线程: /MT (而不是多线程DLL: /MD). 用户可以根据自己的偏好调整.

如果读者重复我整个过程, 是非常折腾人的, 于是我把本文涉及到的全部内容放到ftp上供大家下载使用:

tesseract-build-vs2013_build20161228#a831db20648f97a1bcd89e99097c1af2.zip