------韋訪 20181016
上一講學(xué)習(xí)了怎么樣用opencv識別車牌，但是，我們只做到了將車牌上的字符分割出來，還沒有對字符進行識別，這一講先來學(xué)習(xí)OCR（Optical Character Recognition，光學(xué)字符識別）。目前OCR用的比較多的是開源框架Tesseract-OCR，所以就挑這個來學(xué)學(xué)。
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：
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版本的對應(yīng)，如下表，
安裝命令如下，
wget http://www.leptonica.org/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測試文字識別：
我們要識別的圖片如上圖，運行以下命令，
tesseract 05.png 05 -l chi_sim
-l可以指定字庫文件，chi_sim是識別中文的字庫，運行后會生成05.txt文本文件，
可以看到，中文識別出來了，但是英文的都識別出什么鬼咯！那指定一個英文的字庫文件看看效果如何？運行命令，
tesseract 05.png 05_en -l eng
運行結(jié)果，
這下英文識別正確，中文沒識別出來。就不能同時識別中文和英文嗎？字庫就不能混用嗎？百度了以下，蠻多人都有這個疑問的，找了老半天，在這個博客找到方法，
https://www.jianshu.com/p/f09045a4fc8a
把兩個字庫用加法”+”連起來就可以了，命令如下，
tesseract 05.png 05 -l chi_sim+eng
運行結(jié)果，
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，識別圖片里的字符就很簡單了，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)
運行結(jié)果：
上面的例子既然能識別中文、英文和數(shù)字，那么，能否直接用來識別我們上一講提取出來的車牌呢？試試看，
扣出來的字符圖片為
- #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))
運行結(jié)果：
什么都沒識別到，試試中文呢？原圖片為
也什么都沒識別出來。
既然使用官方的字庫無法識別出字符，那么，我們就應(yīng)該訓(xùn)練自己的數(shù)據(jù)，訓(xùn)練需要用到一個工具---jTessBoxEditorFX，這個工具是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)則運行train腳本，我電腦運行腳本后，提示錯誤如下：
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行也是這個問題，我就想會不會是這個工具不支持openjdk導(dǎo)致的？因為我兩臺電腦安裝的都是openjdk，然后，將openjdk改成Oracle的，果然就可以了。因為公司電腦要編譯安裝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)，以后再補上OCR自己訓(xùn)練字庫這部分。
如果您感覺本篇博客對您有幫助，請打開支付寶，領(lǐng)個紅包支持一下，祝您掃到99元，謝謝～～
