Ubuntu18.04下Tesseract5自定义图像模型训练报错求助

问题原因 #

这类报错（pixReadMemTiff、findTiffCompression等函数未找到）的核心原因是Leptonica库未启用Tiff格式支持，或安装的Leptonica版本与Tesseract 5不兼容。Tesseract依赖Leptonica处理图像文件，若Leptonica编译时未包含Tiff支持模块，就会出现此类错误。

解决步骤 #

1. 卸载现有不兼容组件 #

先移除系统中已安装的Tesseract和Leptonica，避免版本冲突：

sudo apt remove --purge tesseract-ocr libtesseract-dev libleptonica-dev
sudo apt autoremove
sudo apt clean

2. 安装编译依赖 #

安装编译所需的基础工具及图像格式支持库，确保包含Tiff依赖：

sudo apt install build-essential automake autoconf libtool pkg-config libpng-dev libjpeg-dev libtiff5-dev zlib1g-dev libwebp-dev libopenjp2-7-dev

3. 编译安装带Tiff支持的Leptonica #

从源码编译Leptonica，强制启用Tiff支持：

cd ~
git clone https://github.com/DanBloomberg/leptonica.git
cd leptonica
./autogen.sh
./configure --with-libtiff
make -j$(nproc)
sudo make install
sudo ldconfig

4. 重新编译安装Tesseract 5 #

编译Tesseract，确保链接到刚安装的Leptonica：

cd ~
git clone https://github.com/tesseract-ocr/tesseract.git
cd tesseract
./autogen.sh
./configure
make -j$(nproc)
sudo make install
sudo ldconfig

5. 验证安装有效性 #

检查Tesseract和Leptonica的版本，确认Tiff支持已启用：

tesseract --version
leptonica-config --version
leptonica-config --features

输出中需包含libtiff相关标识，说明Tiff支持已成功启用。

6. 重新执行训练命令 #

完成上述配置后，再次运行报错的训练命令即可正常处理Tiff图像：

tesseract "data/IND-ground-truth/19.tif" data/IND-ground-truth/19 --psm 6 lstm.train

内容的提问来源于stack exchange，提问作者Nikhil Sharma