mac下安装tesseract-OCR(Mac下还是有lib依赖的问题,有时间再解决)
1、先下载需要的软件包
OCR工具: Tesseract-OCR3.0.1 source code tesseract-ocr-3.01.eng.tar.gz 破验证码用英文就够了。
图像处理工具: Leptonica 1.68
png识别工具: libpng
jpeg识别工具 :libjpeg
tif识别工具: libtiff
2、安装步骤
1- 安装libpng,libjpeg,libtiff
以下是命令:
./configure
make
sudo make install
2-安装Leptionica
以下是命令:
./configure --with-libjpg --with-libtiff --with-libpng
make
sudo make install
make的时候如果发现错误,提示
pngio.c:119: error: ‘Z_DEFAULT_COMPRESSION’ undeclared here (not in a function)
去wiki上搜了一把发现是 pngio.c这个文件有个BUG,在MAC下无法找到zlib1g包修改Leptionica/src/pngio.c在 #include "png.h"后插入一下代码即可
以下为命令代码:
#ifdef HAVE_LIBZ
#include "zlib.h"
#endif
3- 安装Tesseract-OCR
以下为命令
./autogen.sh
./configure
make
sudo make install
如果发现错误,可以改成以下命令:
./autogen.sh
export LIBLEPT_HEADERSDIR=/usr/local/include
./configure --with-extra-libraries=/usr/local/lib
sudo make install
4- 安装语言包
解压tesseract-ocr-3.01.eng.tar.gz到/usr/local/share/tesseract就可以了。
3、try ocr
- MacBook-Pro:work my$ tesseract pin.jpg out -l eng
- Tesseract Open Source OCR Engine v3.01 with Leptonica
- MacBook-Pro:work my$ more out.txt
- Bvcs
至此,已经tesseract已经可以正常工作了。
剩下我们写段代码去通过命令行调用就可以实现图片的识别了。
tesseract自己提供的训练好的语言包不能保证百分百识别出验证码图片,这个可以通过抓取一定量的验证码来进行
训练,以更加精准的识别,官方有文档和工具如何进行
http://code.google.com/p/tesseract-ocr/wiki/TrainingTesseract3
转自(略有修改):http://holybless.iteye.com/blog/1338717