OCR识别图片的一些实例

 

之前一直想做一个人脸识别的项目，结果最后被调离那个项目组，最后不了了之。最近在家休息，一哥们就让帮忙采集一些数据，因为有效的数据被图片化了，就需要一些简单的数字识别，然后决定用tesseract-ocr来实现。

tesseract-ocr是一 个OCR引擎，在1985年到1995年由HP实验室开发，现在在Google。tesseract-ocr 3.0发布，支持中文。开源协议Apache License 2.0，在商业项目中还是可以值得一用的。

C#项目地址

OK.废话少说。代码贴上了。简单的测试了下，生产环境下自己封装下。OCR这些对资源的消耗特别严重，并且在现实情况下图片有噪点扭曲，失败的概率有点大,所以穷举的时候要注意对象代的管理。不过京东没有扭曲什么的，识别就简单多了。

show source view source print ?

001	using System;

002	using System.Collections.Generic;

003	using System.Text;

004	using System.Drawing;

005	using System.IO;

006	using System.Linq;

007	using System.Net;

008	using System.Threading;

009

010	using tessnet2;

011	namespace OCR

012

{

013	class Program

014

{

015

016	static void Main(string[] args)

017

{

018	var imgpath = "http://image.58.com/showphone.aspx?t=v55&v=D438D3A47DA8384485F9AB46324E7BDB0";

019	var ocr = new Tesseract();

020	var result = new List<Word>(13);

021	var sb = new StringBuilder(20);

022	var ocrlength = 0;

023	var ocrcount = 0;

024	ocr.SetVariable("tessedit_char_whitelist", "￥-0123456789.");

025	ocr.Init(Path.Combine(Directory.GetCurrentDirectory(), @"Language"), "eng", false);

026

027	/*识别58并验证是否电话号码*/

028	Spot.Test(imgpath, ocr, out result);

029	ocrlength = result.Single<Word>().Text.Length;

030	while (ocrlength != 11) /// 检查是否匹配,实际环境中用正则

031

{

032	ocrcount++;

033	if (ocrcount % 5 != 0)

034

{

035	Spot.Test(imgpath, ocr, out result);

036	ocrlength = result.Single<Word>().Text.Length;

037	while (ocrlength == 11)

038

{

039	Console.WriteLine("识别成功");

040	result.Each<Word>(r => Console.WriteLine(r.Text));

041	Console.ReadLine();

042

return;

043

}

044

}

045

else

046

{

047	Console.WriteLine("为了缓解服务器的压力,稍微休息5秒之后继续识别");

048	Thread.Sleep(5000);//任务休息5秒

049	GC.Collect();

050	GC.Collect(2);

051

}

052	sb.Remove(0, sb.Length);

053	result.Each<Word>(r => sb.Append(r.Text));

054	Console.WriteLine("第{0}次错误识别结果是{1}", ocrcount, sb.ToString());

055

}

056

057

058

/* 识别京东价格

059	Spot.Test(imgpath,ocr,out result);

060	result.Each<Word>(r => sb.Append(r.Text));

061	Console.WriteLine(sb.Replace('S', '5').Replace('s', '5'));

062	Console.ReadLine();

063

*/

064

}

065

}

066

067

068

069	public static class Spot

070

{

071	/// <summary>

072	/// 测试方法，实际环境中注意对象的回收。

073	/// </summary>

074	/// <remarks>

075	/// Spot.Test("","","");

076	/// </remarks>

077	/// <param name="url">图片Url</param>

078	/// <param name="ocr">ocr的全局对象</param>

079	/// <param name="result">返回识别的结果</param>

080	public static void Test(string url,Tesseract ocr,out List<Word> result)

081

{

082	using (var wc = new WebClient())

083

{

084	var img = wc.DownloadData(url);

085	using (var bitimage = new Bitmap(new MemoryStream(img), true))

086

{

087	result = ocr.DoOCR(bitimage, Rectangle.Empty);

088

}

089

}

090

}

091

}

092

093

094	/// <summary>

095

///

096	/// </summary>

097	public static class Linq

098

{

099	/// <summary>

100

/// 扩展

101	/// </summary>

102	/// <typeparam name="T"></typeparam>

103	/// <param name="col"></param>

104	/// <param name="handler"></param>

105	public static void Each<T>(this IEnumerable<T> col, Action<T> handler)

106

{

107	foreach (var item in col)

108	handler(item);

109

}

110

}

111

112

}

 运行的结果：

 

 

需要玩下的点这里下载项目吧。

OCR小贴士：

什么是OCR,点击这里查看。点击

还存在那些OCR引擎？

答：

主要几个OCR还有Asprise-OCR，不过个人感觉这个识别不大准确，错误率太高。所以放弃了。

微软也有OCR，不过下次再介绍基于微软的Document组件的中文识别吧。tesseract-ocr实际上也是支持中文的。可以自己去看下了解下。

 

来源：http://www.cnblogs.com/imfunny/archive/2011/11/15/2250032.html