Python_ubuntu 12.04 下安装 PyTesser 进行OCR识别

pytesser 调用了 tesseract，因此需要安装 tesseract，安装 tesseract 需要安装 leptonica，否则编译tesseract 的时候出现 "configure: error: leptonica not found"。

以下都是解压编译安装的老步骤：

./configure

make -j4

sudo make install

下载安装leptonica
http://www.leptonica.org/download.html
或者
http://code.google.com/p/leptonica/downloads/list
最新的是leptonica-1.69.tar.bz2

下载安装tesseract
http://code.google.com/p/tesseract-ocr/
最新的是 tesseract-ocr-3.02.02.tar.gz

下载安装 tesseract 的语言数据包
http://code.google.com/p/tesseract-ocr/downloads/list
最新的是 tesseract-ocr-3.01.eng.tar.gz

解压tessdata目录下的文件（9个）到 "/usr/local/share/tessdata"目录下

注意：这个网址下载到的只有一个，不能用，使用中会报错，http://tesseract-ocr.googlecode.com/files/eng.traineddata.gz

下载安装 pytesser
http://code.google.com/p/pytesser/
最新的是 pytesser_v0.0.1.zip

测试pytesser

到pytesser的安装目录，创建一个test.py，python test.py 查看结果。

from pytesser import *#im = Image.open('fnord.tif')#im = Image.open('phototest.tif')#im = Image.open('eurotext.tif')im = Image.open('fonts_test.png')text = image_to_string(im)print text

tesseract 目录还有其他tif文件，也可以复制过来测试，上面测试的tif，png文件正确识别出文字。

pytesser的验证码识别能力比较低，只能对规规矩矩不歪不斜数字和字母验证码进行识别。测试了几个网站的验证码，显示 Empty page，看来用它来识别验证码是无望了。

测试发现提高对比度后再识别有助于提高识别准确率。

enhancer = ImageEnhance.Contrast(im)im = enhancer.enhance(4)

参考：
http://www.oschina.net/question/54100_59400 http://ubuntuforums.org/showthread.php?p=10248384