tesseract 中英文混合识别

最新推荐文章于 2025-03-17 13:22:51 发布
最新推荐文章于 2025-03-17 13:22:51 发布
阅读量1w 收藏 9
点赞数 7
分类专栏： 机器学习 文章标签： tesseract
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/rookie_wei/article/details/83150224
版权
本文介绍了一种使用Tesseract OCR引擎进行中英文混合字符识别的方法。通过调整语言模型设置，可以实现对图片中同时包含中文和英文字符的准确识别。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

原图如下，

要识别上图中的字符，用命令

tesseract 05.png 05 -l chi_sim

只能很好的识别中文，英文就没那么准了，结果如下，

换个字库文件看看，运行命令如下，

tesseract 05.png 05_en -l eng

运行结果，

这下英文识别准确了，中文又掉链子了。有没有什么方法能同时支持这两个字库呢？

字库之间用加好"+"连接就可以了，命令如下，

tesseract 05.png 05 -l chi_sim+eng

运行结果，

 

如果您感觉本篇博客对您有帮助，请打开支付宝，领个红包支持一下，祝您扫到99元，谢谢～～

Tesseract OCR+Tess4j实现图片中英文识别
jamesluozhiwei的博客
07-22 6719
文章目录Tesseract简介环境搭建下载语言库tess4j依赖demo Tesseract 简介 Tesseract的OCR引擎最先由HP实验室于1985年开始研发，至1995年时已经成为OCR业内最准确的三款识别引擎之一。然而，HP不久便决定放弃OCR业务，Tesseract也从此尘封。数年以后，HP意识到，与其将Tesseract束之高阁，不如贡献给开源软件业，让其重焕新生。在2005年，...
tesseract-ocr识别英文和中文图片文字
weixin_54589839的博客
06-10 487
tesseract-ocr识别英文和中文图片文字 1.下载安装tesseract-ocr-setup-3.02-02.exe. 2.配置环境变量 (1)搜索编辑系统环境变量 (2)点击环境变量 （3）在Path中添加软件的地址 3.打开Window PowerShell输入 识别英文 保存图片fat.png 识别中文 保存图片 test3.jpg 结果如图所示 注意 如果要识别中文要先下载一个中文包 把中文包复制到Tesseract-OCR 里的tessdata文件夹中就可以正常使用了 .
采用tesseract3.02+mfc+opencv提取中文、英文、数字字符
02-24
采用tesseract3.02+mfc+opencv提取中文、英文、数字字符
tesseract-ocr识别英文和中文图片文字（自带中文包）
02-13
下载完后进行安装,默认情况下安装程序会给你配置系统环境变量,以指向安装目录，tessdata 目录存放的是语言字库文件，和在命令行界面中可能用到的参数所对应的文件. 这个安装程序默认包含了英文字库，这个资源已经打包好中文识别包，将该文件剪切到tessdata目录下去就可以了
Tesseract-OCR图片文字识别工具详解
最新发布
weixin_42527589的博客
03-17 2291
Tesseract-OCR是一个开源的光学字符识别引擎，由HP实验室于1985年开始开发，并在1995年开源，由Google赞助维护。它被广泛用于扫描文档和图像中的文字识别，是目前最流行、准确率较高的OCR软件之一。Tesseract支持超过100种语言，并且具备以下特点：强大的识别能力：对多种字体和格式的图像文本都有较高的识别率。自定义训练功能：可以通过提供样例数据来训练模型，提高特定文档的识别准确率。丰富的API支持。
Tesseract OCR：安装及中文支持包全解
weixin_28931449的博客
09-24 8577
本文还有配套的精品资源，点击获取 简介：Tesseract OCR是开源的光学字符识别工具，由HP开发，Google维护，能够将图片中的文字转换成可编辑的文本。本文将详细探讨Tesseract的安装包及其所需的中文语言包，包括简体中文（chi_sim）和繁体中文（chi_tra）训练数据文件。同时，概述了Tesseract的基本工作流程，并提供了增强其功能的方法，例如使用训...
Tesseract Java 识别中文+数字+字母，使用多种语言
weixin_44214515的博客
10-20 4916
Java基于Tesseract来进行OCR识别时，如果使用chi_sim，对数字则识别不完全。如果使用eng，则对中文识别不正确，那么如何既能识别数字又能识别出中文和字母呢？ Tesseract命令行识别时支持-l参数指定语言，如：-l deu+eng。在使用Java类库时同样也是支持的，代码如下： File tempFolder = TempDirectory.location(); File trainDataHome = new File(tempFolder, "tessd...
tesseract.net 4.0 配中英文识别库 验证码识别
10-10
tesseract.net 4.0 配英文识别库 eng.traineddata osd.traineddata 实现内存图像bitmap的直接识别,无需保存成图片再识别 增加 中值法去噪点 颜色反转 去杂点 二值化 灰度处理 等简单的图像处理 对简单的验证码识别效果很好,稍微处理一下基本识别率都在90%以上
tesseract-ocr中英文数据包chi_sim.traineddata.gz eng.traineddata.gz
03-24
tesseract-ocr中英文数据包chi_sim.traineddata.gz eng.traineddata.gz
Tesseract中文包+英文包
05-24
Tesseract默认是不支持中文的，如果想要识别中文或者其它语言需要下载相应的语言包，下载地址如下：https://tesseract-ocr.github.io/tessdoc/Data-Files ，一个Chinese-Simplified和Chinese-Traditional，它们分别...
tesseract-3.04.00及中英文语言包
11-06
tesseract-3.04.00及中英文语言包，Ubuntu14下亲测可用
tesseract-ocr的中文识别语言库
07-11
tesseract-ocr的语言库识别库文件，下载解压后放到tesseract-ocr安装目录下的tessdata 目录，存放的是语言字库文件，和在命令行界面中可能用到的参数所对应的文件. 这个安装程序默认包含了英文字库。
Tesseract最新版本4.0及中文语言包（简体）
11-19
谷歌最新的开源OCR，tesseract的最新版本4.0的，对应的简体中文语言包。
chi_sim.traineddata和eng.traineddata字库
02-27
Tesseract-OCR使用的chi_sim中文语言包,解压后大概39M大小
C#中Tesseract-OCR的使用，可识别中英日韩所有语言
10-23
Tesseract OCR是一个开源的OCR引擎，最初由HP开发，后来被Google接手并持续改进，现在支持识别多种语言，包括中文、英文、日文和韩文。本文将详细介绍如何在C#环境中利用Tesseract OCR进行文本识别。 首先，要使用...
tesseract简单数字英文识别
热门推荐
du771278794的博客
04-17 2万+
本文只是针对于windows系统首先下载tesseract安装包https://pan.baidu.com/s/11K452IOqkVzmhvTgYOCPZQ然后一路next在本地进行安装我的个人安装目录是D:\Test\YZMProcess\Tesseract-OCR下一步配置环境变量需要对三处位置进行配置1 用户环境变量PATH添加内容D:\Test\YZMProcess\Tesseract-...
Qt利用VCPKG和CMake和OpenCV和Tesseract实现中英文OCR
读书笔记
11-04 3009
使用 Tesseract 和 OpenCV 来进行中英文 OCR
Tesseract+OpenCV实现中英文字识别
落叶知秋了哟的博客
08-06 3452
Tesseract的简单使用一、概述二、OCR中英文识别三、整个工程代码以及三方库四、总结 一、概述 Tesseract是比较经典的OCR算法，且能够获得较好的识别效果。既有开源的算法代码可以使用，又有编译好的识别工具，可谓是相当不错了。如此，那得赶紧试试效果究竟如何了。 我是使用windows10编译Tesseract库的，但是始终都是那个乱码问题，怎么改签名页也没用，不知道有没有小伙伴遇到过这种极端的情况。 最后还是在网上下载了编译好的版本，调试通过后，最终效果还不错。 二、OCR中英文识别 识别
C# Tesseract识别中英文
01-21
### 使用C#集成Tesseract进行中英文文本识别 #### 安装必要的库和工具 为了在C#项目中使用Tesseract OCR引擎，需要先下载并安装Tesseract及其对应的.NET绑定库。可以从NuGet包管理器安装`Tesseract`库[^1]。 ```csharp using Tesseract; ``` #### 准备训练数据文件 确保已经下载了适用于中文和英文的`tessdata`训练数据文件，并将其放置在一个可访问的位置。通常可以在[Tesseract官方GitHub仓库](https://github.com/tesseract-ocr/tessdata)找到所需的`.traineddata`文件[^3]。 #### 创建OCR处理类 下面展示了一个简单的例子，说明如何创建一个用于执行OCR操作的C#类： ```csharp public class OcrProcessor { private readonly string _tessDataPath; public OcrProcessor(string tessDataPath) { _tessDataPath = tessDataPath; } /// <summary> /// 执行给定图片的文字识别. /// </summary> /// <param name="imageFilePath">要分析的图像路径.</param> /// <returns>返回识别后的字符串结果</returns> public string ProcessImage(string imageFilePath, bool isChinese = false) { using (var engine = new TesseractEngine(_tessDataPath, isChinese ? "chi_sim+eng" : "eng", EngineMode.Default)) { using (var img = Pix.LoadFromFile(imageFilePath)) { using (var page = engine.Process(img)) { return page.GetText(); } } } } } ``` 此代码片段展示了如何初始化Tesseract引擎以及加载待处理的图像文件。注意，在实例化`TesseractEngine`对象时指定了语言参数；对于混合语种的情况，可以通过指定多个语言码（如`chi_sim+eng`）来启用多语言支持功能。 #### 调用方法读取图片中的文字 最后一步就是调用上述定义的方法来进行实际的文字识别工作： ```csharp static void Main() { var processor = new OcrProcessor(@"path\to\tessdata"); Console.WriteLine(processor.ProcessImage(@"path\to\your\chinese_english_image.png", true)); } ``` 这段程序将会打印出从指定图片中提取出来的中英双语文本内容。
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值