OCR：使用开源框架Tesseract做文字识别（安装）
Tesseract最初由惠普实验室支持，用于电子版文字识别，1996年被移植到Windows上，1998年进行了C++化，在2005年Tesseract由惠普公司宣布开源。2006年到现在，由Google公司维护开发。
安装
tesseract分为两个版本，tesseract3.0 和 tesseract4.0，建议安装使用最新版本，安装分Ubuntu和mac版本，windows安装直接下载一个压缩包解压即完成安装；
源码安装，可以编译到最新版本tesseract（注意兼容问题），目前tesseract最新版本为 4.1.0--rc4；
1、mac环境安装一些依赖包
brew install automake autoconf
brew install autoconf-archive
brew install pkgconfig
brew install icu4c
brew install leptonica
brew install gcc2、下载tesseract，建议克隆git上的
git clone https://github.com/tesseract-ocr/tesseract.git
cd tesseract
./autogen.sh3、编译
./configure CC=gcc-6 CXX=g++-6 CPPFLAGS=-I/usr/local/opt/icu4c/include LDFLAGS=-L/usr/local/opt/icu4c/lib
./configure CC=gcc-6 CXX=g++-6 CPPFLAGS=-I/usr/local/opt/icu4c/include LDFLAGS=-L/usr/local/opt/icu4c/lib
make -j
sudo make install # if desired
make training注意执行此命令前，键入gcc，然后按多次tab键查看gcc版本或使用brew list gcc查看版本（忽略点后面的数字，即4.6.4为4），然后将数字6替换为本机gcc版本的数组，本机为8.2.0，那么CC=gcc-8 CXX=g++-8，参考点击此处；
完成安装，若未安装成功，需下载插件；
先卸载之前安装
brew uninstall tesseract
然后重新编译；
Ubuntu环境下
建议使用git克隆最新版本，因为本人在测试中发现，版本越新，准确率越高：tesseract 4.0.0-beta.1-262-g555f < tesseract 4.0.0-beta.4-163-ge124 < tesseract 4.0.0-52-ge9866；
1、安装依赖包
sudo apt-get install g++ # or clang++ (presumably)
sudo apt-get install autoconf automake libtool
sudo apt-get install pkg-config
sudo apt-get install libpng-dev
sudo apt-get install libjpeg8-dev
sudo apt-get install libtiff5-dev
sudo apt-get install zlib1g-dev
#如果需要训练模型，则需要额外安装如下库
sudo apt-get install libicu-dev
sudo apt-get install libpango1.0-dev
sudo apt-get install libcairo2-dev
Tesseract与之对应Leptonica最低的版本要求（由于不知道如何设计列表，只能截图了）
2、安装libleptonica
方法一：编译
若需安装最新的tesseract，建议使用git克隆安装
git clone https://github.com/DanBloomberg/leptonica
cd leptonica/
autoreconf -vi
./configure
make
make install方法二：直接安装（若安装tesseract4.0，可能踩不兼容坑，不建议）
$ sudo apt-get install libleptonica-dev
3、安装tesseract
或直接在 源码 链接中下载（建议，因为可以下载到最新版本）
若当前最新的 tesseract 版本是 4.0.0-RC4
git clone https://github.com/tesseract-ocr/tesseract.git
cd tesseract/
./autogen.sh
./configure --enable-debug #加上参数 –prefix=xxx 来指定安装路径，以后卸载方便，但安装完成需要做额外的配置（本人默认）编译
LDFLAGS="-L/usr/local/lib" CFLAGS="-I/usr/local/include" make
make installldconfig #安装完成，安装目录在/usr/include或/usr/local/include
tessdata目录/usr/share/tesseract-ocr/tessdata或/usr/local/share/tessdata/
查看版本
$ tesseract
Usage:
tesseract --help | --help-extra | --version
tesseract --list-langs
tesseract imagename outputbase [options...] [configfile...]
OCR options:
-l LANG[+LANG] Specify language(s) used for OCR.
NOTE: These options must occur before any configfile.
Single options:
--help Show this help message.
--help-extra Show extra help for advanced users.
--version Show version information.
--list-langs List available languages for tesseract engine.
$ tesseract --version
tesseract 4.0.0-52-ge9866
leptonica-1.77.0
libjpeg 9c : libpng 1.6.36 : libtiff 4.0.10 : zlib 1.2.11 : libwebp 1.0.2 : libopenjp2 2.3.0
Found AVX2
Found AVX
Found SSE
$ tesseract --list-langs
List of available languages (131):
afr
amh
ara
...需存在AVX/SSE，否则返回速度慢，详情请看
https://mail.google.com/mail/#inbox/FMfcgxvzLDzqgnlLcHVJkMLcrdWWvbCR
https://github.com/tesseract-ocr/tesseract/issues/1278
安装训练模型
在3.03版本后，在安装附加库后，可编译训练模型
make
make training
sudo make training-install结束！！！！
OCR例子请点击此处
编译中的一些错误
问题一：
.ibtoolize: error: AC_CONFIG_MACRO_DIRS([m4]) conflicts with ACLOCAL_AMFLAGS=-I m4a. 可能是因为configure.ac和http://Makefile.am文件是dos格式导致的
b. 使用dos2unix转换一下后再执行，问题可能就解决（若在windows使用git，设置不转换文件可避免，参考）
问题二：
bash: ./autogen.sh: /bin/sh^M: bad interpreter: No such file or directory也是因为文件格式问题（如docs格式，在windows下编辑后，上传至linux编译）
解决方法同上，或如下
vim autogen.sh
:set ff #查看文件格式，若是fileformat=dos，则在linux编译中汇出错
:set fileformat=unix #修改文件格式
wq!
