欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

Linux下部署tesseract-ocr以支持tess4j

程序员文章站 2022-03-01 12:39:02
...

目录

一、编译环境

二、下载代码库

三、编译并安装

四、配置依赖动态链接库

五、参考文章


在spring mvc中需要使用到tess4j,以实现文字识别功能。开发环境是windows 10,生产环境是ubuntu 18.04。在windows 10中不用太过操心,因为tess4j.jar中包含使用的动态链接库libtesseract.dll,但是没有Linux环境下的动态链接库,所以需要自己来安装并配置。

网上有人说只需在resources下建立目录linux-x86-64,并把编译好的libtesseract.so 和liblept.so复制过来就可以了。在tesseract 4.0之前或许可以,但是5.0以后就一定是不可以的。需要在服务器上编译并部署tesseract和leptonica。

一、编译环境

由于tesseract和leptonica都是C++开发的,所以需要搭建C++的编译环境。Ubuntu默认是不安装的,为了方便安装,ubuntu提供了安装包build-essential,按装此包,即可安装依赖的gcc和g++的编译环境。

sudo apt install build-essential

二、下载代码库

通过wget下载tesseract和leptonica代码库,注意版本的依赖关系。我下载的是5.0版本以及对应的leptonic-1.82.0。注意要下载发布后的版本,而不是直接从代码库中下载,因为发布的版本更稳定可靠。

wget https://github.com/tesseract-ocr/tesseract/archive/refs/tags/5.0.1.tar.gz

wget http://www.leptonica.org/source/leptonica-1.82.0.tar.gz

下载后,分别解压:

tar -vxf 5.0.1.tar.gz

tar -vxf leptonica-1.82.0.tar.gz

三、编译并安装

进入leptonica目录,并编译,命令如下:

cd leptonica-1.82.0
./configure && make && make install

编译后的安装目录为:/usr/local/lib

由于tesseract依赖leptonica,需要配置leptonica,使在编译tesseract时能找到leptonica。通过vim打开/etc/profile。

sudo vim /etc/profile

在文件的最后添加如下内容:

export LD_LIBRARY_PATH=$LD_LIBRARY_PAYT:/usr/local/lib
export LIBLEPT_HEADERSDIR=/usr/local/include
export PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig

接下来进入目录tesseract-5.0.1,并编译安装。由于此目录下尚没有生成configue文件,所以需要先通过命令./autogen.sh 生成configue文件。

cd ../tesseract-5.0.1
./autogen.sh
./configure && make && make install

tesseract也是安装在目录/usr/local/lib下面。

四、配置依赖动态链接库

在spring mvc项目的classes下面建立文件夹linux-x86-64,并建立软链接liblept.so.5 和libtesseract.so。可能是由于这两个库还依赖其他动态链接库,直接拷贝过来是不可以的。

mkdir linux-x86-64
cd linux-x86-64
ln -s /usr/local/lib/liblept.so.5.0.4 liblept.so.5
ln -s /usr/local/lib/libtesseract.so.5.0.0 libtesseract.so

五、参考文章

 Linux环境如何支持使用tess4j进行ORC