Tesseract4のコンパイル・インストール手順

2019年10月26日2023年3月7日

tesseractが準備しているモデル(tessdata_best)に対して追加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従って、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。

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も確認してください。
https://tesseract-ocr.github.io/tessdoc/Compiling.html

1. コンパイルに必要なパッケージをインストール
2. leptonicaのコンパイル・インストール
3. tesseractリポジトリのクローン
4. tesseractのコンパイルとインストール
5. Viewerのインストール
6. まとめ
7. 参考にした記事

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のコンパイル・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をインストールする前にleptonicaをコンパイルして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

本来git cloneをすると過去の履歴を含めた元のリポジトリを丸ごと持ってきますが、今回はリポジトリの操作をすることはなくtesseractをインストールすることが目的なので、"–depth 1″というオプションをつけて最新のコードだけを取ってきます。
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が、実行結果の出力の最終行の方がエラーとなっていなければ、tesseractのインストールは完了です。

Viewerのインストール

Viewerという、画像認識の途中経過をイメージで確認でき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でエラーが発生してしまうので、TessTutorialをやる人は必須です。

# 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"