跨平台Windows和Linux(银河麒麟)操作系统OCR识别应用

1 运行效果

在银河麒麟桌面操作系统V10(SP1)上运行OCR识别效果如下图：

2 在Linux上安装Tesseract OCR引擎

2.1 下载tesseract-ocr和leptonica

https://codeload.github.com/tesseract-ocr/tesseract/tar.gz/5.2.0

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

以上是在浏览器上下载

用linux的wget方式下载

wget https://github.com/tesseract-ocr/tesseract/archive/5.2.0.tar.gz
wget http://www.leptonica.org/source/leptonica-1.82.0.tar.gz

注意版本号：使用的是tesseract.5.2.0 和 leptonica-1.82.0

下载好之后，上传到linux服务器上的新目录中，比如：/home/wxzz

2.2 安装

依次执行以下命令

cd /home/wxzz
tar -xvf leptonica-1.82.0.tar.gz
cd leptonica-1.82.0
./configure
make
make install
apt install automake
apt install libtool
tar -xvf tesseract-5.2.0.tar.gz
cd tesseract-5.2.0
./autogen.sh
./configure
make
make install
sudo ldconfig

2.3 配置环境变量

/*打开文件*/
vim /etc/profile

/*在文件末尾添加*/
export LD_LIBRARY_PATH=/usr/local/lib
export LIBLEPT_HEADERSDIR=/usr/local/include
export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig
export TESSDATA_PREFIX=/usr/local/share/tessdata

/*立即生效*/
source /etc/profile

2.4 下载语言包

//中文简体
https://raw.githubusercontent.com/tesseract-ocr/tessdata/4.00/chi_sim.traineddata
//英文
https://raw.githubusercontent.com/tesseract-ocr/tessdata/4.00/eng.traineddata

目前最新版本是 4.00，将下载好的语言包上传到linux服务器指定目录中：/usr/local/share/tessdata

2.5 测试是否安装成功

tesseract --version

如果安装成功，如下图：

2.6 测试读取图片内容

tesseract ocr.png output -l chi_sim

可能会报错提示，看一下实际有没有文件输出。参数说明：

ocr.png : 是要识别的图片文件

output : 是识别后的文本(output.txt)

chi_sim : 用到的语言包

3 部署项目

3.1 添加引用

新建一个NET6的项目工程，在nuget 里面 查找tesseract，添加到项目中，版本是5.2.0，如下图：

3.2 读取图片文字

C#实现的代码如:

using Tesseract;

namespace LinuxOCR

{

internal class Program

{

static string testImagePath = "ocr.png";

static void Main(string[] args)

{

string textResult = String.Empty;

using (var engine = new TesseractEngine("tessdata", "eng", EngineMode.Default))

{

using (var img = Pix.LoadFromFile(testImagePath))

{

using (var page = engine.Process(img))

{

textResult= page.GetText();

}

}

}

Console.WriteLine("识别结果:"+textResult);

Console.ReadLine();

}

}

}

项目工程目录结构，如下图：

注意：在bin\Debug\net6.0目录下有一个tessdata目录，其中的文件，来源于第2.4步骤的下载。

3.3 补齐linux上需要的文件

项目部署到linux上后，还需要在x64目录中增加两个文件：libleptonica-1.82.0.so和libtesseract50.so，把这两个文件需要从linux服务器上的文件路径复制到自己的工程中：/usr/lib/x86_64-linux-gnu/libleptonica.so 和 /usr/local/lib/libtesseract.so，并且把文件名分别改为：libleptonica-1.82.0.so和libtesseract50.so。发布后的x64目录中，然后改名如下图：

4.运行

工程发布到publish目录后，在麒麟操作上运行dotnet LinuxOCR.dll，效果如下图：