OCR ¶

Arch Linux配置增强OCR文字识别功能
使用tesseract实现中文OCR识别
作者: Duter2016 | 29 March 2024 | 阅读 次
「编辑」 「本文源码」
一、主要思路
1.利用截图软件 flameshot 进行截取需要被文字识别的图片，并使用imagemagick对图片进行四倍放大；

2.利用文字识别OCR软件tesseract，进行识别；

3.将识别到的结果输出，复制到文件和剪切板。

二、安装相关软件
需要安装的软件有：tesseract、tesseract-data-chi_sim、tesseract-data-chi_sim_vert、tesseract-data-chi_tra、tesseract-data-chi_tra_vert、tesseract-data-eng、imagemagick、gimagereader-gtk。

1.安装软件主体
(1)使用如下命令安装tesseract：

sudo pacman -S tesseract
(2)使用如下命令安装imagemagick，用于图片放大：

sudo pacman -S imagemagick
(3)安装tesseract前端GUI程序（可以不装，如果想用一下GUI,可以安装gimagereader-gtk或gimagereader-qt）：

sudo pacman -S gimagereader-gtk
2.安装字库
tesseract支持60多种语言的识别，使用之前需要先下载对应语言的字库。

完整字库项目地址：https://github.com/tesseract-ocr/tessdata

这里我们只使用简体中文、繁体中文、英文三种字库：tesseract-data-chi_sim（简体中文字库）、tesseract-data-chi_sim_vert（简体中文垂直方向字库）、tesseract-data-chi_tra（繁体中文字库）、tesseract-data-chi_tra_vert（繁体中文字库垂直方向字库）、tesseract-data-eng（英文字库）、tesseract-data-osd（方向和脚本检测）、tesseract-data-equ（数学、等式检测）。安装命令如下：

sudo pacman -S tesseract-data-chi_sim tesseract-data-chi_sim_vert tesseract-data-chi_tra tesseract-data-chi_tra_vert tesseract-data-eng tesseract-data-osd tesseract-data-equ
三、制作[shell脚本]一键识别，并输出到文件和剪切板
在目录/home/dh/opt/tesseractOcr/新建后缀为.sh的shell脚本文件，例如命名为tesseractOcr.sh，并在同目录下新建文件夹目录/home/dh/opt/tesseractOcr/screenshot。

将以下代码复制到文档tesseractOcr.sh：

注意：将变量SCR路径部分替换成你想要存放截图以及识别结果txt文档的路径；

#!/bin/env bash

Dependencies: tesseract imagemagick flameshot xclip(optional) ¶

Name: OCR Picture for Arch Linux
Fuction: take a screenshot and OCR the letters in the picture
Path: /home/Username/…

you can only scan one character at a time
SCR_0="/home/dh/opt/tesseractOcr/screenshot/src_origin"
SCR="/home/dh/opt/tesseractOcr/screenshot/src"
SCR2="/home/dh/opt/tesseractOcr/screenshot/src2"

before take a screenshot, if file “src.png” and “src_origin.png” exist, delete these two files ¶

rm -f \(SCR.png \) SCR_0.png

截图后，直接放大并覆盖原始文件方法 Start ¶

take a shot what you wana to OCR to text, delay 2 seconds ¶

flameshot gui -p $SCR.png -d 2000

increase the png, 亮度不变，色调重置为中性（即不会偏向红色、绿色或蓝色） ¶

mogrify 直接放大并覆盖原始文件 ¶

mogrify -modulate 100,0 -resize 400% $SCR.png

should increase detection rate ¶

截图后，直接放大并覆盖原始文件方法 End ¶

截图后，放大原始图像文件后，同时保留原始图像文件和放大后图像文件 Start ¶

take a shot what you wana to OCR to text, delay 2 seconds ¶

flameshot gui -p $SCR_0.png -d 2000

increase the png, 亮度不变，色调重置为中性（即不会偏向红色、绿色或蓝色） ¶

convert 放大原始文件，创建调整后图像，并保留原始图像 ¶

convert \(SCR_0.png -modulate 100,0 -resize 400% \) SCR.png

should increase detection rate ¶

截图后，放大原始图像文件后，同时保留原始图像文件和放大后图像文件 End ¶

OCR by tesseract ¶

tesseract \(SCR.png \) SCR &> /dev/null -l eng+chi_sim+chi_sim_vert+osd+equ # 简体中文+英文
tesseract \(SCR.png \) SCR &> /dev/null -l eng+chi_sim+chi_tra+chi_sim_vert+chi_tra_vert+osd+equ # 简体中文+繁体中文+英文

get the text and copy to clipboard ¶

sed -i ’s/[[:space:]]//g’ \(SCR.txt # 删除空格方式1 #sed -i 's/\ //g' \) SCR.txt # 删除空格方式2
cat \(SCR.txt | sed -r 's/([^0-9a-z])?\s+([^0-9a-z])/\1\2/ig'>\) SCR2.txt # 解决每个汉字之间有空格的情况，英文单词间空格依旧保留

if you use xclip as your clipboard, use this command: ¶

cat $SCR2.txt | xclip -selection clipboard

if you use kde clipper as your clipboard, use this command: ¶

getSCR2=\((cat \) SCR2.txt)
qdbus org.kde.klipper /klipper setClipboardContents “$getSCR2”

设置一个陷阱来捕获EXIT信号 ¶

on_exit() {
# 在这里发送通知
notify-send “OCR识别结束” “已OCR识别完毕截取的图片，并已将识别文本复制到剪贴板，Ctrl+V粘贴即可！”
}

使用trap命令注册on_exit函数，以便在脚本退出时调用它 ¶

trap on_exit EXIT

使用exit命令退出脚本，这将触发on_exit函数并发送通知 ¶

exit 0 # 0表示成功退出
注意：中文识别情况下，有可能每个字之间都有空格，所以在脚本里添加了去除空格的代码。

添加运行权限

sudo chmod a+x tesseractOcr.sh
四、设置快捷键，一键调用shell脚本
打开系统设置，点击键盘–快捷键，右边顶部可看到+号，点击+号添加快捷键。

命令：bash 这里换成你自己shell脚本tesseractOcr.sh所在的路径；例如，我这里的bash命令为：

bash /home/dh/opt/tesseractOcr/tesseractOcr.sh
添加自定义快捷键时，不要与你系统中的其他快捷键冲突，我这里设置的快捷键是“Alt+O”

这样就配置完成了。直接使用快捷键即可进入截屏模式，截取想要识别的文字区域，等待片刻后便可在指定目录生成src.png和src2.txt文件，同时，文字会自动复制到剪切板，可以直接粘贴使用。

Backlinks