来源地址:http://www.wxzzz.com/1602.html
现在市面上的可用的OCR(光学字符识别)组件还是比较多的,其中有大名鼎鼎的Tesseract,还有非常专业的Asprise,尽管它们非常专业、非常好用,但是用起来并不省事(因为它们对中文的支持并不友好)。如果公司是专业开发OCR套件,愿意耗资长时间的深入研发,那么比较推荐Tesseract,它可以进行深入的配置,并且是开源的。
经过多种方案的尝试后,发现还是微软的OCR组件对中文识别效果不错,并且简单。该组件基于office 2007中,其效果如下所示:
使用C#与Office 2007 OCR组件实现图文转换
- 安装office 2007.(安装组件选项时需要手动在 工具–> Microsoft Office Document Imaging 安装此项)
- Office SP2 补丁安装(301 MB):http://download.microsoft.com/download/A/3/9/A39E919E-AFA8-4128-9249-51629206C70F/office2007sp2-kb953195-fullfile-zh-cn.exe
- 在visual studio C#项目中引用COM组件:Microsoft Office Document Imaging 12.0 Type Library
- 然后编写如下代码(本文使用的为winfrom测试项目):
- private void button1_Click(object sender, EventArgs e)
- {
- MODI.Document doc = new MODI.Document();
- doc.Create("C:\\OCR\\text.jpg");
- MODI.Image image;
- MODI.Layout layout;
- doc.OCR(MODI.MiLANGUAGES.miLANG_CHINESE_SIMPLIFIED, true, true);
- StringBuilder sb = new StringBuilder();
- for (int i = 0; i < doc.Images.Count; i++)
- {
- image = (MODI.Image)doc.Images[i];
- layout = image.Layout;
- sb.Append(layout.Text);
- }
- textBox1.Text = sb.ToString();
- }
然后在C盘放入一个text.jpg文件即可开始测试以上代码。
其它说明:如果报错“其他信息: 检索 COM 类工厂中 CLSID 为 {40942A6C-1520-4132-BDF8-BDC1F71F547B} 的组件失败,原因是出现以下错误: 80040154 没有注册类”
,请尝试将项目生成目标从 Any CPU
修改为 x86
.