如何使用C#版的Tesseract

這篇文章主要介紹了如何使用C#版的Tesseract，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

C#版本源碼下載地址：https://github.com/charlesw/tesseract

其實在vs中可以直接用NuGet工具進行下載：

打開nuget，搜索tesseract，點安裝即可。

源碼是vs2015編譯的，需要安裝vs2015以上版本。

打開項目后如：

我們再添加一個winform項目，畫界面如：

實現點擊“選擇需要識別的圖片”，打開一張圖片，調用算法并顯示結果。比較簡單。源碼如下：

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;
using Tesseract;

namespace TesseractDemo
{
    public partial class Form1 : Form
    {
        public Form1()
        {
            InitializeComponent();
        }
        //選圖片并調用ocr識別方法
        private void btnRec_Click(object sender, EventArgs e)
        {
            //openFileDialog1.Filter = "";
            if (openFileDialog1.ShowDialog() == DialogResult.OK)
            {
                var imgPath = openFileDialog1.FileName;
                pictureBox1.Image=Image.FromFile(imgPath);
                string strResult = ImageToText(imgPath);
                if (string.IsNullOrEmpty(strResult))
                {
                    txtResult.Text = "無法識別";
                }
                else
                {
                    txtResult.Text = strResult;
                }
            }
        }
        //調用tesseract實現OCR識別
        public string ImageToText(string imgPath)
        {
            using (var engine = new TesseractEngine("tessdata", "eng", EngineMode.Default))
            {
                using (var img = Pix.LoadFromFile(imgPath))
                {
                    using (var page = engine.Process(img))
                    {
                        return page.GetText();
                    }
                }
            }
        }
    }
}

有一點要注意的是，tesseract的識別語言包要自己下載后包含到項目里面，并設置為始終復制，或者直接把這個文件包放到運行程序目錄（bin\debug)下：

eng是英文字符的意思，要識別其他語言字符，需要自己下載：

Tesseract hasunicode (UTF-8) support, and canrecognize more than 100 languages"out of the box".

這個庫支持100種語言的識別

字庫下載地址為：https://github.com/tesseract-ocr/tessdata

用OpencvSharp先降噪再調OCR識別：

//用opencv進行降噪處理再ocr識別
        private void button3_Click(object sender, EventArgs e)
        {
            //從網上讀取一張圖片
            string imgUrl = "https://service.cheshi.com/user/validate/validatev3.php";
            MemoryStream ms = ReadImgFromWeb(imgUrl);
            Image img = Image.FromStream(ms);
            pictureBox1.Image = img;

            //降噪
            Mat simg = Mat.FromStream(ms, ImreadModes.Grayscale);
            Cv2.ImShow("Input Image", simg);
            //閾值操作 閾值參數可以用一些可視化工具來調試得到
            Mat ThresholdImg = simg.Threshold(29, 255, ThresholdTypes.Binary);
            Cv2.ImShow("Threshold", ThresholdImg);
            Cv2.ImWrite("d:\\img.png", ThresholdImg);
            
            textBox1.Text= ImageToText("d:\\img.png");
        }
        
        /// <summary>
        /// 從網上讀取一張圖片
        /// </summary>
        /// <param name="Url"></param>
        public MemoryStream ReadImgFromWeb(string Url)
        {
            HttpWebRequest request = (HttpWebRequest)WebRequest.Create(Url);
            request.Credentials = CredentialCache.DefaultCredentials; // 添加授權證書
            request.UserAgent = "Microsoft Internet Explorer";
            WebResponse response = request.GetResponse();
            Stream s = response.GetResponseStream();
            byte[] data = new byte[1024];
            int length = 0;
            MemoryStream ms = new MemoryStream();
            while ((length = s.Read(data, 0, data.Length)) > 0)
            {
                ms.Write(data, 0, length);
            }
            ms.Seek(0, SeekOrigin.Begin);
            //pictureBox1.Image = Image.FromStream(ms);
            return ms;
        }

C#是什么

C#是一個簡單、通用、面向對象的編程語言，它由微軟Microsoft開發，繼承了C和C++強大功能，并且去掉了一些它們的復雜特性，C#綜合了VB簡單的可視化操作和C++的高運行效率，以其強大的操作能力、優雅的語法風格、創新的語言特性和便捷的面向組件編程從而成為.NET開發的首選語言，但它不適用于編寫時間急迫或性能非常高的代碼，因為C#缺乏性能極高的應用程序所需要的關鍵功能。

感謝你能夠認真閱讀完這篇文章，希望小編分享的“如何使用C#版的Tesseract”這篇文章對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業資訊頻道，更多相關知識等著你來學習!