windows环境下编译Tesseract-OCR.docx

windows环境下编译Tesseract-OCR概述最近要用java实现一个验证码识别系统，选了半天之后最终决定用Tesseract-OCR作为识别引擎。既然是java+Tesseract-OCR，自然就首选Tess4J。由于Tess4J直接且仅提供了编译成dll的3.02版本的Tesseract-OCR，而我的最终目标Linux下使用且想自己更换Tesseract-OCR的版本，就决定自己动手对Tesseract-OCR的代码进行编译。而这篇文章就是这次研究的中间产物。虽然Tess4J目前支持的是Tesseract-OCR 3.02，但Tesseract-OCR无法在Tess4J中直接进行使用，还需要使用capi进行封装，但这个就是后话了，本文仅介绍如何在windows环境下编译Tesseract-OCR。准备工作根据GoogleCode上下载Tesseract-OCR的windows安装版本测试的结果及官方说明文档，Tesseract-OCR支持tiff、png、gif、bmp、jpeg等格式，所以首先就按照这个目标来收集所需的支持库。由于最终目标是在Linux下编译成功，所以我选择了msys+tdm-gcc来模拟Linux下的编译过程。需要下载的库有：1) zlib-1.2.72) libpng-1.5.103) giflib-4.1.64) libungif-4.1.4(这个似乎在最终的编译过程中没有起作用)5) jpeg-8d6) jbigkit-2.07) tiff-3.9.58) libwebp-0.1.39) leptonica-1.68编译环境推荐使用最新的msys和tdm-gcc：1) msys可以通过下载mingw-get-insta-20120426进行安装。2) tdm-gcc推荐使用4.5.2版本。Tesseract-OCR 3.02可以通过svn获取,地址是：/svn/trunk编译本节所列出的为完整的编译过程及步骤顺序，请按照顺序进行。以下所述步骤均在msys+tdm-gcc4.5.2测试通过。执行命令前，请先解压缩，并进入解压缩后的目录。zlib-1.2.7解压后进入代码目录，执行以下命令：./configuremake -f win32/makefile.gccmake -f win32/makefile.gcc install INCLUDE_PATH=/usr/local/include/zlib LIBRARY_PATH=/usr/local/lib BINARY_PATH=/usr/local/bin SHARED_MODE=1libpng-1.5.10./configure -includedir=/usr/local/include/png LDFLAGS=-no-undefined -Wl,-as-needed CPPFLAGS=-I/mingw/include/zlibmake -j8 & make installgiflib-4.1.6./autogen.sh./configure LDFLAGS=-no-undefined -Wl,-as-needed -includedir=/usr/local/include/gifcd libmake -j8 & make installlibungif-4.1.4./autogen.sh./configure LDFLAGS=-no-undefined -Wl,-as-needed -includedir=/usr/local/include/ungifcd libmake -j8 & make installjpeg-8d./configure LDFLAGS=-no-undefined -Wl,-as-needed -includedir=/usr/local/include/jpegmake -j8 & make installjbigkit-2.0 jbigkit由tiff组件所使用，虽不是必选项，但为了保证过程的完整这里也顺带一提。由于jbig的Makefile中仅提供生成静态库的动作，因此必须自己手动在Makefile中加入生成动态库的部分，否则在链接tiff库时也仅能生成静态库。从而影响到leptonica的链接。tiff-3.9.5./autogen.sh./configure LDFLAGS=-no-undefined -Wl,-as-needed -includedir=/usr/local/include/tiff -with-zlib-include-dir=/mingw/include/zlib -with-zlib-lib-dir=/mingw/lib -with-jpeg-include-dir=/mingw/include/jpeg -with-jpeg-lib-dir=/mingw/lib -with-jbig-include-dir=/mingw/include/jbig -with-jbig-lib-dir=/mingw/libmake -j8 & make installlibwebp-0.1.3./configure LDFLAGS=-no-undefined -Wl,-as-needed -includedir=/usr/local/include/webp -with-pngincludedir=/mingw/include/png -with-pnglibdir=/mingw/lib -with-jpegincludedir=/mingw/include/jpeg -with-jpeglibdir=/mingw/lib CPPFLAGS=-DQGLOBAL_Hmake -j8 & make installleptonica-1.68 autobuild./configure -includedir=/usr/local/include LDFLAGS=-no-undefined CPPFLAGS=-I/mingw/include/zlib -I/mingw/include/png -I/mingw/include/gif -I/mingw/include/ungif -I/mingw/include/jpeg -I/mingw/include/tiff -I/mingw/include/webpmake -j8 & make install说明：使用了zlib库后，可能导致编译出错。这时请修改pngio.c:在#include png.h后添加#ifdef HAVE_LIBZ #include zlib.h #endif要想保证Tesseract-OCR最终编译的版本能支持png、gif、tif、jpeg格式的图片，请确保以上步骤的正确，并将生成的库文件放在正确的目录下。tesseract-3.02./configure -includedir=/usr/local/include/tesseract -with-extra-includes=/mingw/include/leptonica -wit