Tesseract初探

一、框架介紹 

Tesseract 是一款圖片識別工具，可以抓取圖片中的文字，可以支持多種語言(默認是英語），需要下載開源文件可以在github上下載，如果知識應用不想太多深究直接在google code里邊搜索下載即可。

二、Tesseract內容  

Doc:說明文檔  

Tessdata:存放各種文字庫（chi_sim.traineddata:中文 等）  

Tessseract.exe 即可以啟動文件開始調用Tesseract 可以通過cmd方式調用，先cd到對應的目錄，然后 輸入 tesseract.exe 圖片名 導出文件名（如：tesseract.exe 1.jpg 1) 就可以把和tesseract同目錄的 1.jpg文件識別結果存放在 1.txt文件中。當然如果需要支持中文，需要在tessdata中添加 chi_sim.traineddata 文件，

然后 調用例子：tesseract.exe 1.jpg 1 -L chi_sim 制定是根據什么文字庫進行識別。 當然圖片地址可以引用全路徑、輸出結果也可以全路徑如果只是想把Tesseract做為一個工具做文字解析，並不追求太高成功率使用者，這樣即可滿足需要了，直接通過CMD調用exe進行執行。有需要玩的小伙伴可以直接下載附件 Tesseract_簡單使用.rar文件

三、.Net項目高級使用

如果.Net項目需要使用 DLL方式引用進行研發，可以下載Tesseract_DLL引用包。

X86和X64是針對Tesseract關聯引用DLL，根據程序所在系統位數進行自適應配置。

liblept168.dll 這個文件會在windows server 2003中發布IIS情況下無法加載錯誤信息: Failed to find library "liblept168.dll" for platform x86. 如果發布在更高版本系統中即可正常使用Tesseract.DLL即是要添加到對應的項目中的。以下是測試tesseract.dll 代碼：  

 

using (var engine = new TesseractEngine(Server.MapPath(@"~/tessdata"), "eng", EngineMode.Default))
                {
                    // have to load Pix via a bitmap since Pix doesn't support loading a stream.
                    using (var image = new System.Drawing.Bitmap(imageFile.PostedFile.InputStream))
                    {
                        using (var pix = PixConverter.ToPix(image))
                        {
                            using (var page = engine.Process(pix))
                            {
                                meanConfidenceLabel.InnerText = String.Format("{0:P}", page.GetMeanConfidence());
                                resultText.InnerText = page.GetText();
                            }
                        }
                    }
                }

 

TesseractEngine：構造函數參數注意事項=》第一個是字庫路徑必須使用tessdata結尾，第二個如果需要使用chi_sim即中文