Windows環境でNimを使ってOCRツールを作成する（Tesseract + Leptonica）

1. Tesseractのインストール

1.1 インストーラのダウンロード

1. Tesseract GitHub Release ページから最新のWindowsインストーラ（exe形式）をダウンロードします。

1.2 インストール手順

1. ダウンロードしたexeファイルを実行。

2. インストール手順に従い、次のポイントを確認してください：

   • インストール先ディレクトリ（例: C:\Program Files\Tesseract-OCR）。
   • 必要な言語データ（例: 日本語）を追加。
   • 「Add Tesseract to the system PATH for current user」をチェック。

3. インストールが完了したら、コマンドプロンプトで以下を実行し、インストール確認。

   tesseract --version
   

2. Leptonicaを使った画像前処理

Tesseractの精度を上げるためには、画像の前処理が重要になるので、Leptonicaを使って画像のグレースケール変換とリサイズを行います。

2.1 必要な準備

LeptonicaはTesseractに依存する画像処理ライブラリで、Tesseractインストーラに同梱されています。

leptonica.nim: Leptonica APIのバインディング

{.passL: "-llept".}  # Leptonicaライブラリをリンク

# 必要なモジュールをインポート
import os, strutils

# Leptonicaの型と関数を定義
type
  PIX* = object

proc pixRead*(filename: cstring): ptr PIX {.cdecl, importc: "pixRead", dynlib: "leptonica".}
proc pixDestroy*(ppix: ptr ptr PIX) {.cdecl, importc: "pixDestroy", dynlib: "leptonica".}
proc pixConvertTo8*(pixs: ptr PIX, cmapflag: int): ptr PIX {.cdecl, importc: "pixConvertTo8", dynlib: "leptonica".}
proc pixScale*(pixs: ptr PIX, scalex, scaley: float32): ptr PIX {.cdecl, importc: "pixScale", dynlib: "leptonica".}
proc pixWrite*(filename: cstring, pix: ptr PIX, format: int): int {.cdecl, importc: "pixWrite", dynlib: "leptonica".}

const IFF_PNG* = 3  # PNG形式で画像を保存する

image_preprocess.nim: 画像の前処理

import leptonica, os

# グレースケール変換とリサイズ
proc preprocessImage(inputPath: string, outputPath: string, scaleX: float32 = 1.0, scaleY: float32 = 1.0): bool =
  if not fileExists(inputPath):
    echo "エラー: 入力画像が存在しません: ", inputPath
    return false

  let pix = pixRead(inputPath.cstring)
  if pix.isNil:
    echo "エラー: 画像の読み込みに失敗しました。"
    return false

  let grayPix = pixConvertTo8(pix, 0)
  pixDestroy(addr pix)
  if grayPix.isNil:
    echo "エラー: グレースケール変換に失敗しました。"
    return false

  let scaledPix = pixScale(grayPix, scaleX, scaleY)
  pixDestroy(addr grayPix)
  if scaledPix.isNil:
    echo "エラー: リサイズに失敗しました。"
    return false

  let result = pixWrite(outputPath.cstring, scaledPix, IFF_PNG)
  pixDestroy(addr scaledPix)
  if result != 0:
    echo "エラー: 画像の保存に失敗しました。"
    return false

  echo "画像の前処理が完了しました: ", outputPath
  return true

3. Tesseractを使ったOCR実装

画像前処理を行った後、Tesseractを使ってOCRを実行します。

ocr_tool.nim: Tesseractの使用

import os, image_preprocess

# Tesseract APIの関数を宣言
proc tesseractOCR(imagePath: string, lang: string = "eng"): string =
  let command = fmt"tesseract {imagePath} stdout -l {lang}"
  let (output, exitCode) = execCmdEx(command)
  if exitCode != 0:
    return "エラー: OCR処理に失敗しました。"
  return output

# メイン関数
when isMainModule:
  if paramCount() < 2:
    echo "Usage: nimOCR <画像パス> <出力パス> [言語]"
    quit(1)

  let inputPath = paramStr(1)
  let outputPath = paramStr(2)
  let lang = if paramCount() > 3: paramStr(3) else "eng"

  # 前処理
  if not preprocessImage(inputPath, outputPath, 1.0, 1.0):
    quit(1)

  # OCR処理
  let ocrResult = tesseractOCR(outputPath, lang)
  echo "OCR結果:\n", ocrResult

4. 実行方法

上記のコードを保存：

• leptonica.nim
• image_preprocess.nim
• ocr_tool.nim

コマンドプロンプトで下記を実行してビルドします。

nim c -r ocr_tool.nim

使うときは以下のように実行します。

ocr_tool.exe <入力画像パス> <前処理後画像パス> [言語コード]
#例: ocr_tool.exe sample.png processed.png eng