Linux中安装tesserocr遇到的那些坑

一、遇到的问题:

linux命令安装，提示失败

pip install tesserocr

二、安装步骤：

先安装Tesseract OCR

1. 更新软件源：

   sudo apt-get update

2. 安装Tesseract OCR：

   sudo apt-get install tesseract-ocr

3. 安装语言包（如果需要识别特定语言的文本，需要安装相应的语言包）：

   sudo apt-get install tesseract-ocr-[language]

   其中 [language] 是你需要安装的语言代码，例如英语是 eng，中文是 chi_sim。

4. 验证安装是否成功：

   tesseract --version

   如果一切正常，你将看到Tesseract的版本信息。

5. 使用Tesseract： 例如，要将 image.jpg 的文本识别并保存到 output.txt 文件中，可以执行以下命令：

   tesseract image.jpg output.txt

再安装tesserocr

pip install tesserocr

四、运行程序：

    import tesserocr
	from PIL import Image
	
	
	def preprocess_image(image_path):
	    image = Image.open(image_path)
	    # 转换为灰度图像
	    image = image.convert('L')
	    # 二值化处理
	    threshold = 127
	    table = []
	    for i in range(256):
	        if i < threshold:
	            table.append(0)
	        else:
	            table.append(1)
	    image = image.point(table, '1')
	    return image
	
	
	def recognize_captcha(image):
	    text = tesserocr.image_to_text(image)
	
	    return text
	
	
	if __name__ == '__main__':
	    imgs = ["/root/zhzhx/1.jpg"]
	    for i in range(len(imgs)):
	        # 预处理验证码图片
	        preprocessed_image = preprocess_image(imgs[i])
	        # 识别验证码
	        captcha_text = recognize_captcha(preprocessed_image)
	        print(captcha_text)

报错：

File "tesserocr.pyx", line 2401, in tesserocr._tesserocr.image_to_text

分析原因：TESSDATA_PREFIX环境变量未设置

五、TESSDATA_PREFIX环境变量设置步骤：

将TESSDATA_PREFIX环境变量添加到系统环境变量中，设置其值为/usr/share/tesseract-ocr/4.00/tessdata，按照以下步骤操作：

1. 编辑环境变量配置文件： 打开终端，并根据你的Linux发行版，选择编辑/etc/environment或/etc/profile，或者为当前用户编辑~/.bashrc或~/.profile文件。这里以~/.bashrc为例：

   nano ~/.bashrc

2. 添加TESSDATA_PREFIX变量： 在打开的.bashrc文件末尾添加以下行：

   export TESSDATA_PREFIX="/usr/share/tesseract-ocr/4.00/tessdata"

   确保路径/usr/share/tesseract-ocr/4.00/tessdata是正确的，并且是你的Tesseract OCR语言数据文件所在的目录。

3. 保存并关闭文件： 如果你使用的是nano编辑器，可以按Ctrl + X退出，然后按Y确认保存更改，最后按Enter键保存文件。

4. 重新加载环境变量： 为了让更改立即生效，你需要重新加载.bashrc文件：

   source ~/.bashrc

5. 验证环境变量是否设置正确： 你可以通过在终端运行以下命令来检查TESSDATA_PREFIX环境变量是否设置正确：

   echo $TESSDATA_PREFIX

   这应该会输出你设置的路径：/usr/share/tesseract-ocr/4.00/tessdata。

再运行程序，便正常了。