Tesseract OCR for PHP
Tesseract是开源的OCR引擎。Tesseract最初设计用于英文识别，经过改进引擎和训练系统，它能够处理其它语言和UTF-8字符。Tesseract 3.0能够处理任何Unicode字符，但并非在所有语言上都工作得很好。Tesseract在庞大字符集语言（比如中文）上较慢，但是工作良好。
Tesseract需要知道相同字符的不同形状，也就是不同字体。最多允许的字体数量在intproto.h中通过MAX_NUM_CONFIGS定义，目前支持64种。当训练字体数量超过32种时，速度显著下降。
- github的一个Tesseract OCR开源库
Installation
1.安装依赖
- autoconf
- automake
- libtool
- libjpeg
- libpng
- libtiff
- zlib
- libjpeg-devel
- libpng-devel
- libtiff-devel
- zlib-devel
2.安装Leptonica
wget http://www.leptonica.org/source/leptonica-1.74.4.tar.gz
tar xzvf leptonica-1.74.4.tar.gz
./configure
make && make install
ldconfig
3.安装Tesseract
wget https://github.com/tesseract-ocr/tesseract/archive/3.05.00.tar.gz
tar xzvf 3.05.00.tar.gz
./autogen.sh
./configure
make && make install
ldconfig
4.安装Tesseract-OCR
wget https://github.com/tesseract-ocr/tessdata/archive/3.04.00.tar.gz
tar xzvf 3.04.00.tar.gz
cp -r tessdata-3.04.00/* /usr/local/share/tessdata
测试
tesseract xxx.png out
cat out.txt
在PHP上运行
composer require thiagoalessio/tesseract_ocr
php index.php
index.php
<?php
require_once './vendor/autoload.php';
use thiagoalessio\TesseractOCR\TesseractOCR;
echo (new TesseractOCR('./text.png'))
->run();
注意：需编辑php.ini开启exec