------韋訪 20181016

1、概述

上一講學(xué)習(xí)了怎么樣用opencv識(shí)別車牌，但是，我們只做到了將車牌上的字符分割出來(lái)，還沒有對(duì)字符進(jìn)行識(shí)別，這一講先來(lái)學(xué)習(xí)OCR（Optical Character Recognition，光學(xué)字符識(shí)別）。目前OCR用的比較多的是開源框架Tesseract-OCR，所以就挑這個(gè)來(lái)學(xué)學(xué)。

2、Tesseract-OCR安裝

Ubuntu的話，直接執(zhí)行命令：

sudo apt-get install tesseract-ocr

就可以安裝了，我沒試過。下面我們用源碼安裝。

下載tesseract-ocr源碼：

Github地址為：https://github.com/tesseract-ocr/tesseract

安裝步驟可以參考文檔：https://github.com/tesseract-ocr/tesseract/wiki/Compiling

安裝依賴：

首先安裝一些依賴工具和庫(kù)：

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

如果想自己訓(xùn)練數(shù)據(jù)，則還要安裝以下工具：

sudo apt-get install libicu-dev

sudo apt-get install libpango1.0-dev

sudo apt-get install libcairo2-dev

再安裝Leptonica：

注意Tesseract和Leptonica版本的對(duì)應(yīng)，如下表，

安裝命令如下，

wget http://www./source/leptonica-1.74.4.tar.gz

tar -zxvf leptonica-1.74.4.tar.gz 

cd leptonica-1.74.4/

./configure

make -j8

編譯安裝：

先cd到源碼的根目錄，然后運(yùn)行

mkdir local

./autogen.sh

./configure --with-extra-libraries=/usr/local/include

make -j8

sudo make install

sudo ldconfig

如果上面命令都通過，再執(zhí)行命令

tesseract

如果打印如下信息則說明安裝成功。

安裝語(yǔ)言包：

git clone https://github.com/tesseract-ocr/tessdata.git

然后將所有的.traineddata文件拷貝到/usr/local/share/tessdata/文件夾。

用tesseract測(cè)試文字識(shí)別：

我們要識(shí)別的圖片如上圖，運(yùn)行以下命令，

tesseract 05.png 05 -l chi_sim

-l可以指定字庫(kù)文件，chi_sim是識(shí)別中文的字庫(kù)，運(yùn)行后會(huì)生成05.txt文本文件，

可以看到，中文識(shí)別出來(lái)了，但是英文的都識(shí)別出什么鬼咯！那指定一個(gè)英文的字庫(kù)文件看看效果如何？運(yùn)行命令，

tesseract 05.png 05_en -l eng

運(yùn)行結(jié)果，

這下英文識(shí)別正確，中文沒識(shí)別出來(lái)。就不能同時(shí)識(shí)別中文和英文嗎？字庫(kù)就不能混用嗎？百度了以下，蠻多人都有這個(gè)疑問的，找了老半天，在這個(gè)博客找到方法，

https://www.jianshu.com/p/f09045a4fc8a

把兩個(gè)字庫(kù)用加法”+”連起來(lái)就可以了，命令如下，

tesseract 05.png 05 -l chi_sim+eng

運(yùn)行結(jié)果，

3、Python編程

想讓python調(diào)用tesseract，得先執(zhí)行以下命令安裝pytesseract，

sudo pip install pytesseract

安裝好以后，識(shí)別圖片里的字符就很簡(jiǎn)單了，執(zhí)行以下代碼，

import pytesseract as pyt
from PIL import Image

img = Image.open('05.png')
text = pyt.image_to_string(img, lang='chi_sim+eng')
print(text)

運(yùn)行結(jié)果：

4、試著用官方字庫(kù)識(shí)別車牌

上面的例子既然能識(shí)別中文、英文和數(shù)字，那么，能否直接用來(lái)識(shí)別我們上一講提取出來(lái)的車牌呢？試試看，

扣出來(lái)的字符圖片為，代碼如下，

#encoding:utf-8
import pytesseract as pyt
from PIL import Image

img = Image.open('chepai_img0.jpg')
text = pyt.image_to_string(img, lang='chi_sim+eng')
print('車牌：' + str(text))

運(yùn)行結(jié)果：

什么都沒識(shí)別到，試試中文呢？原圖片為，運(yùn)行結(jié)果：

也什么都沒識(shí)別出來(lái)。

5、訓(xùn)練

既然使用官方的字庫(kù)無(wú)法識(shí)別出字符，那么，我們就應(yīng)該訓(xùn)練自己的數(shù)據(jù)，訓(xùn)練需要用到一個(gè)工具---jTessBoxEditorFX，這個(gè)工具是java寫的，我的系統(tǒng)是ubuntu，jTessBoxEditorFX根目錄如下圖，

Windows系統(tǒng)直接雙擊train.bat文件即可，linux系統(tǒng)則運(yùn)行train腳本，我電腦運(yùn)行腳本后，提示錯(cuò)誤如下：

Error: Could not find or load main class net.sourceforge.tessboxeditor.JTessBoxEditor

搞了半天不知什么原因，在我自己的電腦上運(yùn)行也是這個(gè)問題，我就想會(huì)不會(huì)是這個(gè)工具不支持openjdk導(dǎo)致的？因?yàn)槲覂膳_(tái)電腦安裝的都是openjdk，然后，將openjdk改成Oracle的，果然就可以了。因?yàn)楣倦娔X要編譯安裝7.1系統(tǒng)，只能用Openjdk，所以就不改公司電腦環(huán)境了，先往后學(xué)，以后再補(bǔ)上OCR自己訓(xùn)練字庫(kù)這部分。

如果您感覺本篇博客對(duì)您有幫助，請(qǐng)打開支付寶，領(lǐng)個(gè)紅包支持一下，祝您掃到99元，謝謝～～