ubuntu desktop下安装使用pytesser

pytesser是一个用于图片文本识别的python模块：http://code.google.com/p/pytesser/，即从文本的截图中还原出文本信息；
网上在windows上安装、使用的资料比较多，而没有linux的资料；
作者虽然没有说明pytesser在linux环境下测试过，但也表示“The scripts should work in Linux as well.”；
今天在我的ubuntu9.10上编译、安装、使用了一把，过程中遇到一些问题并解决，记在这里：

1. pytesser依赖于PIL,因此需要先安装PIL模块.(下载Imaging-1.1.7.tar.gz源码包,sudo apt-get install python-dev, 这个必须安装)
2. pytesser调用了tesseract，因此需要安装tesseract：
   先用包管理器安装这几个库：

   1 2 3 4

   sudo apt-get install libpng12-dev sudo apt-get install libjpeg62-dev sudo apt-get install libtiff4-dev sudo apt-get install zlibg-dev

   下载tesseract的源码包：http://tesseract-ocr.googlecode.com/files/tesseract-3.00.tar.gz
   解压、cd到解压后目录下tesseract-3.00/
   运行./configure --prefix=你想要安装到的路径，比如:
   

   1	./configure --prefix=/home/pf-miles/installation/install/tesseract

   然后make & make install
   将tesseract的运行脚本加到环境变量中，比如：
   

   1	export PATH=$PATH:/home/pf-miles/installation/install/tesseract/bin

   , 这个路径与刚才你configure的时候设置的路径有关
   到http://code.google.com/p/tesseract-ocr/downloads/list页 面去下载最新的eng.traineddata.gz文件，解压后的eng.traineddata放到/home/pf-miles /installation/install/tesseract/share/tessdata目录下，注意，虽然tesseract的svn trunk里也有这个文件，但那个用不得，会报
   

   1	actual_tessdata_num_entries_ <= TESSDATA_NUM_ENTRIES:Error:Assert failed:in file tessdatamanager.cpp, line 55

   错误，详见：http://www.uluga.ubuntuforums.org/showthread.php?p=10248384，所以一定要用http://code.google.com/p/tesseract-ocr/downloads/list这里下载的那一份
   试一试：
   

   1 2	pf-miles@pf-miles-desktop:~/downloads$ tesseract Usage:tesseract imagename outputbase [-l lang] [configfile [[+|-]varfile]...]

   OK,tesseract安装完毕
3. 下载pytesser包：http://pytesser.googlecode.com/files/pytesser_v0.0.1.zip(目前是0.0.1版本), 解压...并cd到解压后的目录下
4. 目录下有个“phototest.tif”图片文件作为测试用，直接在目录下写一个python脚本进行测试：
   test.py:

   1 2 3 4

   from pytesser import * im = Image.open('phototest.tif') text = image_to_string(im) print text

   运行：
   

   1	pf-miles@pf-miles-desktop:~/downloads/pytesser$ python test.py 2>/dev/null

   结果：
   Thls IS a lot of 12 pornt text to test the
   ocr code and see lf It works on all types
   of frle format
   lazy fox The qurck brown dog jumped
   over the lazy fox The qulck brown dog
   jumped over the lazy fox The QUICK
   brown dog jumped over the lazy fox
   The quick brown dog jumped over the

应该说准确率还令人满意吧.