【TesseractOCR】TesseractOCR Ver 4.1.1 の OCR環境をDockerコンテナ （Ubuntu）に作る方法。

docker pull python

docker images

docker run -it -p 8888:8888 [imageのID] /bin/bash

コンテナから出る
exit 

コンテナ起動
docker start [コンテナID]

コンテナに入る
docker attach [コンテナID]

apt-get update
#PPA取得用のモジュールインストール
apt-get install software-properties-common

#必要モジュールインストール
apt-get install -y libleptonica-dev
apt-get update -y 
apt-get install automake 
apt-get install -y pkg-config 
apt-get install -y libsdl-pango-dev 
apt-get install -y libicu-dev 
apt-get install -y libcairo2-dev 
apt-get install bc

#Tesseract本体
wget https://github.com/tesseract-ocr/tesseract/archive/4.1.1.zip
unzip 4.1.1.zip

#コンパイル
cd tesseract-4.1.1
./autogen.sh 
./configure 
make 
make install 
ldconfig 
training 
make training-install

#データセットインストール
git clone --depth 1 https://github.com/tesseract-ocr/langdata.git
echo "export TESSDATA_PREFIX=/tesseract4.1.1/tessdata/" >> ~/.profile && source ~/.profile
wget https://github.com/tesseract-ocr/tessdata/raw/master/jpn.traineddata -P $TESSDATA_PREFIX
wget https://github.com/tesseract-ocr/tessdata_best/raw/master/eng.traineddata -O $TESSDATA_PREFIX/eng_best.traineddata
wget https://github.com/tesseract-ocr/tessdata_best/raw/master/jpn.traineddata -O $TESSDATA_PREFIX/jpn_best.traineddata
wget https://github.com/tesseract-ocr/tessdata_best/raw/master/jpn_vert.traineddata -P $TESSDATA_PREFIX
combine_tessdata -e $TESSDATA_PREFIX/jpn_best.traineddata ~/tess/jpn_best.lstm

#パスを合わせる
export TESSDATA_PREFIX=/tesseract-4.1.1/tessdata 

#確認
tesseract --version

#フォントインストール
sed -i '/vert/d' ~/tess/langdata/jpn/jpn.config
apt install -y fonts-noto-cjk fonts-takao fonts-vlgothic fonts-ipafont
text2image --list_available_fonts --fonts_dir /usr/share/fonts

tesseract -l jpn_best '画像へのパス' stdout