【.NET】使用OpenCV和tesseract-ocr引擎实现识别图片文字内容

前言：没啥写的，直接看下文：

Tesseract OCR引擎下载

各个系统环境版本下载地址：

https://tesseract-ocr.github.io/tessdoc/Installation.html

Windows系统下载地址：

https://github.com/UB-Mannheim/tesseract/wiki

如果感兴趣看内部实现源码，可以参考Tesseract OCR引擎开源源码：

https://github.com/tesseract-ocr/tesseract

安装引擎，我用的Windows64位版本，安装期间，需要根据需要识别的内容，选择需要的语言包。默认只有英文。例如我选择简体中文。

安装完成，在安装路径下，可以看到traineddata,这个是训练数据集，前面代码语言类型，代码里面需要根据语言类型来指定需要识别的语言。

创建控制台程序，引用OpenCV的两个包：

Emgu.CV 和 Emgu.CV.runtime.windows

初始化OCR引擎，参数是训练数据集绝对路径，以及使用的训练数据语言，根据文件前缀，得知简体中文是chi_sim

Tesseract ocr = new Tesseract(@"D:\Program Files\Tesseract-OCR\tessdata", "chi_sim", OcrEngineMode.Default);

截图了个图片拿来测试。测试图片：

获取本地图片进行识别：

// 读取图像文件
            using (Mat image = CvInvoke.Imread(@"D:\test.png", ImreadModes.Color))
            {
                if (image != null)
                {
                    // 设置要识别的图像
                    ocr.SetImage(image);


                    // 执行OCR识别
                    var res = ocr.Recognize();
                    if(res == 0)
                    {
                        Tesseract.Character[] characters = ocr.GetCharacters();


                        // 输出识别结果
                        foreach (var character in characters)
                        {
                            Console.Write($"{character.Text}");
                        }
                    }
                    
                }
            }

运行程序，查看效果：

基本上都识别出来了，但是可能有小个别不是很准确，但是影响不大。