Tesseract运行错误

Question

我在linux上运行tesseract-ocr引擎时遇到问题.我已经下载了RUS语言数据并将其放到tessdata目录(/ usr/local/share/tessdata).当我尝试使用命令运行tesseract时tesseract blob.jpg out -l rus,它会显示错误:

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.

根据编译指南,我曾经export TESSDATA_PREFIX='/usr/local/share/' 指向我的tessdata目录.也许我应该编辑任何配置文件？Tesseract尝试加载'eng'数据文件而不是'rus'.

截图:http: //i.stack.imgur.com/I0Guc.png

Answer 1

您可以eng.traineddata从Google 抓取(压缩):

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

或Github(原始):

# 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/

检查https://github.com/tesseract-ocr/tessdata以获取经过培训的语言数据的完整列表.

当您抓取文件时,将它们移动到该/usr/local/share/tessdata文件夹.警告:一些Linux发行版(例如openSUSE和Ubuntu)可能会期待它/usr/share/tessdata.

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

Answer 2

最简单的方法是安装所需的包:

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)

正如您所注意到的,它打开了通往其他语言的道路(即tesseract-ocr-fra).

Answer 3

我在Windows机器上也遇到了这个错误.

我的解决方案

1)从https://github.com/tesseract-ocr/tessdata/tree/3.04.00下载您的语言文件

例如,对于eng,我下载了所有带有eng前缀的文件.

2)将它们放入某个文件夹内的tessdata目录中.将此文件夹作为TESSDATA_PREFIX添加到系统路径变量中.

结果将是System env var:TESSDATA_PREFIX = D:/ Java/OCR和OCR文件夹包含带语言文件的tessdata.

这是目录的屏幕截图:

Answer 4

对我来说，问题在于如何下载列车数据文件。确保您获得原始链接。

最初我使用的是：

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

当我将其更改为：

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

有效

Answer 5

以前的解决方案对我来说不起作用。

我已经通过apt-get手动下载 tessdata 进行安装，四处移动/usr等等，即使我导出变量数千次，也没有人工作。

最后，在开始哭泣之前的最后一次尝试中，我尝试将路径直接传递到 Tesseract() 的实例。

在Python中：tr = Tesseract("/usr/local/share/tesseract-ocr/")现在它可以工作了。为了澄清一下，我使用tesserwrap模块。

Answer 6

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

就我而言，我所犯的错误或尝试并不成功。

• 我克隆了 github 存储库并将文件从那里复制到
  • /usr/local/share/tessdata/
  • /usr/share/tesseract-ocr/tessdata/
  • /usr/share/tessdata/
• TESSDATA_PREFIX与上述路径一起使用
• sudo apt-get install tesseract-ocr-eng

前两次尝试没有成功，因为git clone我不知道的原因，来自的文件没有成功。我不确定为什么#3 尝试对我有用。

最后，

1. 我使用下载了 eng.traindata 文件wget
2. 复制到某个目录
3. --tessdata-dir与目录名一起使用

对我来说，重要的是充分学习该工具并使用它，而不是依赖包管理器安装和目录

Answer 7

对于 Ubuntu，只需运行以下命令，环境变量错误就会消失。

命令：

export TESSDATA_PREFIX=Path_of_your_tessdata_folder

命令示例：

export TESSDATA_PREFIX=/home/amar/Desktop/OCR/tesseract-4.1.1/tessdata

此命令会将 tessdata 文件夹的路径设置为名为 TESSDATA_PREFIX 的环境变量，并且上述错误将得到解决。

Answer 8

您可以从 C 代码调用 tesseract API 函数：

#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();

并构建此代码：

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

（我需要 FreeImage 来加载图片）