Tesseract-ocr for Thai Language

Olarik Surinta

Published in

olarik

1 min readFeb 23, 2018

Thai Text Image

Thai Text

[ปั้นบบุฒ่สุดปธะเสธีฐิเลิศคุณค่า
กฮ่าปรอีดาฟู0ส้ดว๋เดธับิฉาบ
ออน่ำกันทัฒนคุอิชากาธ
อย่าลี้าป๋ผถิาญฤๆเย่นยำบิทาไคธ
ไม่ทีอโทษโกรธเเซ่น๊ซัดอึดอัดด่า
หัด๏กัยเหมือนกิทำอัปั๊ณาสี้ย
ปฏิฌิปธะพฤดิกฏกําหนดไบิ
พูดจาไหัอัะ ๆ อ่า ๆ ปาฟั0[อยฯ
]

Install Tesseract

$ sudo apt-get install libpng-dev libjpeg-dev libtiff-dev zlib1g-dev  
$ sudo apt-get install gcc g++  
$ sudo apt-get install autoconf automake libtool checkinstall

Need image processing toolkit Leptonica to build Tesseract.

$ cd ~  
$ wget http://www.leptonica.org/source/leptonica-1.73.tar.gz  
$ tar -zxvf leptonica-1.73.tar.gz  
$ cd leptonica-1.73  
$ ./configure  
$ make  
$ sudo checkinstall  
$ sudo ldconfig  $ sudo apt-get install tesseract-ocr

tesseract usage

$ tesseract --help

List available languages for tesseract engine

$ sudo tesseract --list-langs List of available languages (3):  
osd  
eng  
equ

Install Thai package

$ sudo apt-get install tesseract-ocr-tha $ sudo tesseract --list-langs List of available languages (4):  
tha  
osd  
eng  
equ

Using Python and Tesserect

$ sudo pip install pytesseract

Python program

from PIL import Image
import pytesseractimg_path = 'data-test-img/text-img.png'
txtImg = Image.open(img_path)
text = pytesseract.image_to_string(txtImg)print text