Błąd działania Tesseract

Mam problem z uruchomieniem silnika tesseract-ocr na Linuksie. Pobrałem dane języka RUS i umieściłem je w katalogu tessdata (/ usr / local / share / tessdata). Kiedy próbuję uruchomić tesseract za pomocą polecenia tesseract blob.jpg out -l rus, wyświetla błąd:

Error opening data file /usr/local/share/tessdata/eng.traineddata

Please make sure the TESSDATA_PREFIX environment variable is set to the parent directory of your "tessdata" directory.

Failed loading language eng
Tesseract couldn't load any languages!

Could not initialize tesseract.

Według opracowującym przewodnika użyłem export TESSDATA_PREFIX='/usr/local/share/' wskazać mój katalog tessdata. Może powinienem edytować jakieś pliki konfiguracyjne? Tesseract próbuje załadować pliki danych „eng” zamiast „rus”.

Zrzut ekranu: http://i.stack.imgur.com/I0Guc.png

Możesz pobrać eng.traineddataGithub:

wget https://github.com/tesseract-ocr/tessdata/raw/master/eng.traineddata

Sprawdź https://github.com/tesseract-ocr/tessdata, aby uzyskać pełną listę wytrenowanych danych językowych.

Gdy pobierzesz plik (i), przenieś je do /usr/local/share/tessdatafolderu. Ostrzeżenie: niektóre dystrybucje Linuksa (takie jak openSUSE i Ubuntu) mogą się tego spodziewać /usr/share/tessdata.

# If you got the data from Google, unzip it first!
gunzip eng.traineddata.gz 
# Move the data
sudo mv -v eng.traineddata /usr/local/share/tessdata/

Najprostszym sposobem jest zainstalowanie potrzebnego pakietu:

sudo apt-get install tesseract-ocr-eng  #for english
sudo apt-get install tesseract-ocr-tam  #for tamil
sudo apt-get install tesseract-ocr-deu  #for deutsch (German)

Jak widać, otwiera drogę do innych języków (np. Tesseract-ocr-fra).

Miałem również ten błąd na komputerze z systemem Windows.

Moje rozwiązanie.

1) Pobierz pliki językowe ze strony https://github.com/tesseract-ocr/tessdata/tree/3.04.00

Na przykład dla eng pobrałem wszystkie pliki z przedrostkiem eng.

2) Umieść je w katalogu tessdata w jakimś folderze. Dodaj ten folder do zmiennych ścieżki systemowej jako TESSDATA_PREFIX .

Rezultatem będzie System env var: TESSDATA_PREFIX = D: / Java / OCR A folder OCR zawiera tessdata z plikami językowymi.

To jest zrzut ekranu katalogu:

Żadne poprzednie rozwiązanie nie działało dla mnie.

Zainstalowałem zarówno przez, jak apt-geti ręcznie pobierając tessdata, przenosząc się /usri tak dalej, i nikt nie działał, nawet jeśli wyeksportowałem zmienną tysiące razy.

Wreszcie, przy ostatniej próbie przed rozpoczęciem płaczu, próbowałem przekazać ścieżkę bezpośrednio do instancji Tesseract ().

W Pythonie: tr = Tesseract("/usr/local/share/tesseract-ocr/")i teraz działa. Aby wyjaśnić, używam tesserwrapmodułu.

tesseract  --tessdata-dir <tessdata-folder> <image-path> stdout --oem 2 -l <lng>

W moim przypadku błędy, które popełniłem lub próby, które nie zakończyły się sukcesem.

• Sklonowałem repozytorium github i skopiowałem stamtąd pliki do
  • / usr / local / share / tessdata /
  • / usr / share / tesseract-ocr / tessdata /
  • / usr / share / tessdata /
• Używany TESSDATA_PREFIXz powyższymi ścieżkami
• sudo apt-get install tesseract-ocr-eng

Pierwsze 2 próby nie zadziałały, ponieważ pliki z git clonenie działały z powodów, których nie znam. Nie jestem pewien, dlaczego próba nr 3 zadziałała dla mnie.

Wreszcie,

1. Pobrałem plik eng.traindata za pomocą wget
2. Skopiowałem go do jakiegoś katalogu
3. Używany --tessdata-dirz nazwą katalogu

Dla mnie na wynos jest dobra nauka narzędzia i korzystanie z niego , zamiast polegania na instalacji i katalogach menedżera pakietów

Możesz wywołać funkcję API tesseract z kodu C:

#include <tesseract/baseapi.h>
#include <tesseract/ocrclass.h>; // ETEXT_DESC

using namespace tesseract;

class TessAPI : public TessBaseAPI {
    public:
    void PrintRects(int len);
};

...
TessAPI *api = new TessAPI();
int res = api->Init(NULL, "rus");
api->SetAccuracyVSpeed(AVS_MOST_ACCURATE);
api->SetImage(data, w0, h0, bpp, stride);
api->SetRectangle(x0,y0,w0,h0);

char *text;
ETEXT_DESC monitor;
api->RecognizeForChopTest(&monitor);
text = api->GetUTF8Text();
printf("text: %s\n", text);
printf("m.count: %s\n", monitor.count);
printf("m.progress: %s\n", monitor.progress);

api->RecognizeForChopTest(&monitor);
text = api->GetUTF8Text();
printf("text: %s\n", text);
...
api->End();

I zbuduj ten kod:

g++ -g -I. -I/usr/local/include -o _test test.cpp -ltesseract_api -lfreeimageplus

(potrzebuję FreeImage do ładowania zdjęć)

Używam programu Visual Studio 2017 Community Edition.
Rozwiązałem ten problem, tworząc katalog o nazwie tessdata w katalogu Debug mojego projektu. Następnie umieściłem plik eng.traineddata we wspomnianym katalogu.

Używam systemu operacyjnego Windows, wypróbowałem wszystkie powyższe rozwiązania i żadne z nich nie działa.

Wreszcie instaluję Tesseract-OCR na dysku D (skąd uruchamiam mój skrypt Pythona) zamiast dysku C i działa.

Tak więc, jeśli używasz systemu Windows, uruchom skrypt Pythona na tym samym dysku, co Tesseract-OCR.

Programista C # pracujący w systemie Windows tutaj. U mnie działa po prostu pobranie pliku eng.traineddata z następującego adresu URL:

https://github.com/tesseract-ocr/tessdata/blob/master/eng.traineddata

i skopiuj go do następującego katalogu w moim projekcie aplikacji konsoli:

[Katalog projektu] \ bin \ Debug \ tessdata

Ręcznie utworzyłem powyższy folder tessdata .

Użytkownicy systemu Windows:

W Zmienne środowiskowe dodaj nową zmienną do zmiennej systemowej o nazwie „TESSDATA_PREFIX” i wartości „C: \ Program Files (x86) \ Tesseract-OCR \ tessdata”

tessdata_dir_config = r'--tessdata-dir "/usr/local/Cellar/tesseract/4.1.1/share/tessdata"'
pytesseract.image_to_string(imgCrop,lang='eng',config=tessdata_dir_config)