系列文章目录

---

---

前言

网上很多关于Tesseract OCR下载和编译的博客都已经过时了，按照其方法并不能成功。这里以最新的官方文档为基础，记录Tesseract OCR的下载和编译经历。供大家参考。

---

一、简介

Tesseract OCR是由惠普公司的布里斯托尔实验室在1984-1994年开发的一款开源OCR引擎，最初作为其平板扫描仪的文字识别引擎。在1995年的UNLV OCR字符识别准确性测试中，Tesseract拔得头筹，受到了广泛关注。然而，在1994年以后，Tesseract的开发就停止了。

直到2005年，HP将Tesseract贡献给开源社区，美国内华达州信息技术研究所获得该源码，同时，Google开始对Tesseract进行功能扩展及优化。目前，Tesseract作为开源项目发布在Google Project上，获得了新生。Tesseract的最新版本是3.02，支持60种以上的语言，它提供一个引擎和一个命令行工具，可以从官方网站上下载。
Tesseract OCR是一款开源的OCR引擎，该引擎功能强大，概括地可以分为两部分：图片布局分析和字符分割和识别。图片布局分析是字符识别的准备工作，通过一种混合的基于制表位检测的页面布局分析方法，将图像的表格、文本、图片等内容进行区分。字符分割和识别是整个Tesseract的设计目标，工作内容最为复杂。

首先，字符切割采用两步走战略：利用字符间的间隔进行粗略的切分，得到大部分的字符，同时也有粘连字符或者错误切分的字符。这里会进行第一次字符识别，通过字符区域类型判定，根据判定结果对比字符库识别字符。根据识别出来的字符，进行粘连字符的分割，同时把错误分割的字符合并，完成字符的精细切分。

Tesseract OCR具有高精度的识别能力，支持多种语言，并且在免费OCR引擎中识别精度也仍然是出类拔萃的。因为其免费与较好的效果，许多的个人开发者以及一些较小的团队在使用着 Tesseract ，诸如验证码识别、车牌号识别等应用中，不难见到 Tesseract 的身影。

二、使用步骤

官方Windows的编译指南文档：https://tesseract-ocr.github.io/tessdoc/Compiling.html#windows
官方各种平台的编译指南文档：https://tesseract-ocr.github.io/tessdoc/Compiling.html

1.Tesseract库下载

可以通过SW 或者vcpkg 下载并编译Tesseract以及相关的依赖项。

SW 下 载途中失败，可能是公司网络的原因，网上也有人说是国内就不能下载
vcpkg 成功，下面以这个展开

1.1 Vcpkg下载

https://github.com/microsoft/vcpkg

1.2 添加环境变量

将下载文件夹的目录添加到系统环境变量中，后续运行vcpkg的控制台命令方便。我的路径是：“D:\TesseractOCR\vcpkg”

1.3 vcpkg运行

双击vcpkg文件夹中的bootstrap-vcpkg.bat，等待运行完毕，自动关闭

1.4 下载Tesseract库

控制台输入以下指令下载需要的版本，注意这里耗时较长。存放在"E:\TesseractOCR\vcpkg\installed"

动态库
vcpkg install tesseract:x86-windows
vcpkg install tesseract:x64-windows

静态库
vcpkg install tesseract:x86-windows-static
vcpkg install tesseract:x64-windows-static

2.引用到项目

把下载的动态库或静态库引用到C++工程

静态库 失败（编译不过，原因不明）
动态库 成功

注意事项：Debug模式参照Debug的库，Release模式参照Release的库,否则运行的时候可能会异常崩溃

2.1 把Tesseract关联的dll/lib/h都放入指定的目录

dll：Tesseract的bin目录中的所有dll都要放到运行目录（tessdata文件夹下的语言包也需要，默认是英语）
lib/h：根据2.2/2.3把需要的文件放到指定目录即可

2.2 添加头文件

官方文档的代码中头文件只有前面俩个，实测下来第三个也是需要的

#include <tesseract/baseapi.h>
#include <leptonica/allheaders.h>
#include <leptonica/pix_internal.h>

2.3 参照lib

tesseract53d.lib
leptonica-1.83.1d.lib

总结

本文主要讲述了Tesseract库的下载和引用。如果想自己编译Tesseract库的需要去下载源码。虽然也尝试过下载源码。但是通过CMake生成vs解决方案的时候，一直没有通过，有知道原因的，欢迎评论交流。