CentOS7 에서 tesseract-ocr 설치하기

모바일 앱에서 촬영한 사진을 글자만 추출해서 데이터를 제공해주는 서비스를 기획하며..

클라이언트가 바로 판독하도록 해도 되지만, 서버에서 데이터들을 수집하고 정확성을 높일수 있지 않을까 하는 마음에 시도해본 설치기를 시작한다. 

설치했던 OS는 CentOS 7 이다.

인터넷상에서 돌아다니는 오픈소스 OCR중에서는 아마 이 엔진이 가장 유명하지 않을까 싶으며 기본적으로 한글까지 지원해준다.

바로 tesseract-ocr 이다. 

우선 엔진 파일을 다운받자.

git clone https://github.com/tesseract-ocr/tesseract.git

( 바로 tesseract 라는 폴더가 생성되므로 폴더를 따로 만들지 않아도 된다. )

그다음 tesseract-ocr 엔진을 설치하는데 필요로 하는 어플리케이션과 라이브러리들을 다운받고 설치한다.

먼저 라이브러리들을 설치한다.

 yum install libjpeg*

 yum install libtiff*

 yum install libpng12*

위의 라이브러리가 설치가 되었으면  Leptonica 라는 이미지 분석&처리 어플리케이션을 다운 받아 설치하자.

wget http://www.leptonica.com/source/leptonica-1.73.tar.gz

tar -xvf leptonica-1.73.tar.gz

leptonica 디렉토리로 이동을 하여 설치를 진행하자.

./configure
make

make check

위의 라이브러리들이 잘 설치 되었다면 FAIL 없이 다음과 같은 결과가 나온다.

마지막 설치를 진행한다.

sudo make install

이제 마지막으로 ocr 엔진만 설치하면 된다. 

tessercat 폴더로 이동을 하여 설치를 진행한다.

( 필자는 언어데이터 파일을 tesseract 폴더가 아닌 다른곳으로 두기 위해 다음 과정을 선행 하였음 )

export TESSDATA_PREFIX=/usr/local/share/tessdata/

.autogen.sh 
./configure
make
sudo make install

여기까지 잘 설치가 되었는지 확인해보자.

버전을 확인하면 다음과 같이 나오는것을 확인!

한글이나 영어가 쓰여진 이미지 파일을 준비하자.

귀찮다면 필자가 촬영한 사진을 활용해도 무방하다.

http://lbr.kr/sample_book.jpg

http://lbr.kr/sample_label.jpg

이제 준비한 사진을 가지고 OCR 테스트를 진행! 

자세한 사용 방법은 

tesseract --help 또는 man tesseract 를 통해 확인하도록 하자.

tesseract [이미지명] [판독결과를 저장할 파일명 (.txt 가 자동으로 붙음)] -l kor ( 번역시 사용할 언어, 미입력이 영어가 기본 )

하면 위와같이 실패할수밖에... 

언어데이터가 없어서 안되는것이다.

https://github.com/tesseract-ocr/tessdata 사이트에서 필요한 언어만 다운받아 tessdata 폴더로 복사해주자.

( export TESSDATA_PREFIX= 로 경로를 설정했다면  해당 폴더에, 하지 않았을 경우 기본 폴더는 tesseract/tessdata 가 될것이다. ) 

위와같이 언어 파일이 준비되었으면 다시한번 판독 테스트를 진행 해보자.

tmp.txt 라는 파일이 생성된것을 확인 할수 있으며, 결과를 보면 "씽봅응..."  판독은 된것 같지만 도대체 어느나라 말인지.. 

작은 글씨는 인식률이 굉장히 낮은것을 확인해볼수 있었다.

다음에는 인식률을 높이기위한 설정과 노하우들을 찾아 연구해보고, 포스팅 해보도록 하자!