Tesseract4のコンパイル・インストール手順[Ubuntu]

2019年10月26日

tesseractが準備しているモデル(tessdata_best)を再学習させるためには、githubから落としてきたリポジトリを決まった手順にしたがって、コンパイルしインストールまで実行する必要があります。

そこでこの記事ではtesseractをgithubからのクローンするところからコンパイル、インストールするところまでの手順を解説します。

この記事に書かれていることを全て実施すれば、tesseractで再学習をするための準備は完了します。

なお以下の公式サイトを参考に記述しています。英語が得意という人はこのサイトを見てください。
https://tesseract-ocr.github.io/tessdoc/Compiling.html

コンパイルに必要なパッケージをインストール

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
sudo apt-get install libicu-dev
sudo apt-get install libpango1.0-dev
sudo apt-get install libcairo2-dev

leptonicaのインストール

tesseractは学習の際、内部でleptonicaというパッケージを使っています。そのためtesseractのコンパイル時にこのleptonicaが無いと、エラーが発生してしまいます。

tesseractをインストールする前にleptonicaをインストールします。

$ git clone https://github.com/DanBloomberg/leptonica.git
$ cd leptonica
$ ./autogen.sh
$ ./configure
$ make
$ sudo make install

tesseractリポジトリのクローン

tesseractのリポジトリをgithubからcloneします。

git clone --depth 1 https://github.com/tesseract-ocr/tesseract.git

“–depth 1″というのは最小限のデータだけデータを取ってくるというオプション。
持ってくる浅さを1にしています。
参考ページ:git リポジトリの最新の履歴だけを取得する shallow clone

tesseractのコンパイルとインストール

参考ページ
https://github.com/tesseract-ocr/tesseract/blob/master/INSTALL.GIT.md

$ cd tesseract
$ ./autogen.sh
$ ./configure
$ make
$ sudo make install
$ sudo ldconfig
$ make training
$ sudo make training-install

上記のコマンド実行時、何かしらエラーらしき表示が出ることがあります。
しかし、実行結果の出力の最終行の方でエラーになっていなければ、必要な処理は完了していてtesseractの再学習が出来る状態になります。

Viewerのインストール

Viewerという、画像認識の途中経過を画像で確認出来るツールのインストール方法も載せておきます。

このインストールをしておかないとtesseractの公式ページにあるTessTutorialのlstmtraingのところでエラーが発生してしまうのでそのチュートリアルをやる人は必須。

# javaファイルをコンパイルするために必要なパッケージをインストール
$ sudo apt install openjdk-11-jre
# 正常にインストールできたか確認
$ javac --version
$ cd tesseract
$ make ScrollView.jar
# path/to/tesseract/javaの箇所はtesseractをクローンしてできたディレクトリの
# 一階層下にあるjavaというディレクトリを指定する。
$ export SCROLLVIEW_PATH="path/to/tesseract/java"

まとめ

以上でtesseractの再学習のために必要なインストール作業は完了しました。

それでは学習してみましょう。

参考にした記事