Tesseract运行错误

Question

我在linux上运行tesseract-ocr引擎时遇到了问题。我下载了RUS语言数据并将其放到tessdata目录(/usr/local/share/tessdata)。当我试图使用命令tesseract blob.jpg out -l rus运行tesseract时，它会显示一个错误：

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compiling guide，我使用export TESSDATA_PREFIX='/usr/local/share/'来指向tessdata目录。也许我应该编辑任何配置文件？Tesseract试图加载'eng‘数据文件而不是'rus’。

截图：http://i.stack.imgur.com/I0Guc.png

Answer 1

你可以抓住eng.traineddata：

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

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

抓取文件时，将它们移动到/usr/local/share/tessdata文件夹。警告:一些Linux发行版(如openSUSE和Ubuntu)可能会在/usr/share/tessdata中使用它。

# 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/

Answer 2

最简单的方法是安装所需的软件包：

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)

您可以注意到，它为其他语言(即tesseract-ocr)开辟了道路。

Answer 3

我在Windows机器上也有这个错误。

我的解决方案。

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

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 : TESSDATA_PREFIX=D:/Java/OCR，OCR文件夹具有带有语言文件的tessdata。

这是目录的屏幕截图：

​

​