C#版OCR - Tesseract库的使用技巧

本文给大家分享C#版Tesseract库的使用技巧，在这里大家需要注意一下tesseract的识别语言包要自己下载后包含到项目里面，并设置为始终复制，或者直接把这个文件包放到运行程序目录（bin\debug)下的，具体实现代码跟随小编一起学习下吧

C#版本源码下载地址：https://github.com/charlesw/tesseract

其实在vs中可以直接用NuGet工具进行下载：

打开nuget，搜索tesseract，点安装即可。

关键代码：

 //调用tesseract实现OCR识别
public string ImageToText(string imgPath)
{
    using (var engine = new TesseractEngine("tessdata", "eng", EngineMode.Default))
    {
        using (var img = Pix.LoadFromFile(imgPath))
        {
            using (var page = engine.Process(img))
            {
                return page.GetText();
            }
        }
    }
}

有一点要注意的是，tesseract的识别语言包要自己下载后包含到项目里面，并设置为始终复制，或者直接把这个文件包放到运行程序目录（bin\debug)下：

eng是英文字符的意思，要识别其他语言字符，需要自己下载：

Tesseract hasunicode (UTF-8) support, and canrecognize more than 100 languages"out of the box".

这个库支持100种语言的识别

字库下载地址为：https://github.com/tesseract-ocr/tessdata

用OpencvSharp先降噪再调OCR识别：

//用opencv进行降噪处理再ocr识别
private void button3_Click(object sender, EventArgs e)
{
    //从网上读取一张图片
    string imgUrl = "https://service.cheshi.com/user/validate/validatev3.php";
    MemoryStream ms = ReadImgFromWeb(imgUrl);
    Image img = Image.FromStream(ms);
    pictureBox1.Image = img;

    //降噪
    Mat simg = Mat.FromStream(ms, ImreadModes.Grayscale);
    Cv2.ImShow("Input Image", simg);
    //阈值操作 阈值参数可以用一些可视化工具来调试得到
    Mat ThresholdImg = simg.Threshold(29, 255, ThresholdTypes.Binary);
    Cv2.ImShow("Threshold", ThresholdImg);
    Cv2.ImWrite("d:\\img.png", ThresholdImg);
     
    textBox1.Text= ImageToText("d:\\img.png");
}
 
/// <summary>
/// 从网上读取一张图片
/// </summary>
/// <param name="Url"></param>
public MemoryStream ReadImgFromWeb(string Url)
{
    HttpWebRequest request = (HttpWebRequest)WebRequest.Create(Url);
    request.Credentials = CredentialCache.DefaultCredentials; // 添加授权证书
    request.UserAgent = "Microsoft Internet Explorer";
    WebResponse response = request.GetResponse();
    Stream s = response.GetResponseStream();
    byte[] data = new byte[1024];
    int length = 0;
    MemoryStream ms = new MemoryStream();
    while ((length = s.Read(data, 0, data.Length)) > 0)
    {
        ms.Write(data, 0, length);
    }
    ms.Seek(0, SeekOrigin.Begin);
    //pictureBox1.Image = Image.FromStream(ms);
    return ms;
}

请自行用NuGet程序下载opencvsharp3.0库，参考https://www.cnblogs.com/tuyile006/p/10819570.html

另外专门有篇文章介绍中文识别：Tesseract-OCR识别中文与训练字库实例

以上就是C#版Tesseract库的使用技巧的详细内容，