大家你能不能给我一个测试Tesseract OCR的简单例子 最好是在C#中 我尝试了here演示。 我下载了英文数据集并在C盘中解压缩。并修改了以下代码:
string path = @"C:\pic\mytext.jpg";
Bitmap image = new Bitmap(path);
Tesseract ocr = new Tesseract();
ocr.SetVariable("tessedit_char_whitelist", "0123456789"); // If digit only
ocr.Init(@"C:\tessdata\", "eng", false); // To use correct tessdata
List<tessnet2.Word> result = ocr.DoOCR(image, Rectangle.Empty);
foreach (tessnet2.Word word in result)
Console.WriteLine("{0} : {1}", word.Confidence, word.Text);
不幸的是,代码不起作用。该程序在&#34; ocr.Init(......&#34; line。)即使使用try-catch也无法获得异常。
我能够运行vietocr!但这对我来说是一个非常大的项目。我需要一个像上面这样的简单例子。
由于
答案 0 :(得分:19)
确定。我在这里找到了解决方案 tessnet2 fails to load 亚当给出的答案
显然我使用的是错误的tessdata版本。我直观地遵循了the source page指令并导致了问题。
它说
快速使用Tessnet2
Download binary here,将程序集Tessnet2.dll的引用添加到.NET项目中。
- 醇>
下载语言数据定义文件here并将其放在tessdata目录中。 Tessdata目录和你的exe必须在 同一目录。
下载二进制文件后,当您按照链接下载语言文件时,会有许多语言文件。但它们都不是正确的版本。您需要选择所有版本并转到下一页以获取正确的版本(tesseract-2.00.eng)!他们应该将下载二进制链接更新到版本3或将版本2语言文件放在第一页上。或者至少大胆地提到这个版本问题是一个大问题!
无论如何我找到了它。 谢谢大家。
答案 1 :(得分:5)
在C#中测试Tesseract OCR的一个简单示例:
public static string GetText(Bitmap imgsource)
{
var ocrtext = string.Empty;
using (var engine = new TesseractEngine(@"./tessdata", "eng", EngineMode.Default))
{
using (var img = PixConverter.ToPix(imgsource))
{
using (var page = engine.Process(img))
{
ocrtext = page.GetText();
}
}
}
return ocrtext;
}
信息: tessdata 文件夹必须存在于存储库中:bin \ Debug \
答案 2 :(得分:2)
我可以按照这些instructions开始工作。
将其解压缩到新位置
打开〜\ tesseract-samples-master \ src \ Tesseract.Samples.sln(我使用Visual Studio 2017)
取消注释Tesseract.Samples.Program.cs中最后两行有意义的行:
Console.Write("Press any key to continue . . . ");
Console.ReadKey(true);
运行(点击F5)
答案 3 :(得分:1)
尝试将该行更新为:
ocr.Init(@“C:\”,“eng”,false); //这里的路径应该是tessdata的父文件夹
答案 4 :(得分:0)
我有同样的问题,现在已经解决了。我有tesseract2,在32位和64位的这个文件夹下,我将文件64位文件夹(因为我的系统是64位)复制到主文件夹(“Tesseract2”)和bin / Debug文件夹下。现在我的解决方案工作正常。
答案 5 :(得分:0)
这对我有用,我有3-4个PDF到文本提取器,如果一个不起作用,另一个将...特别是这个代码可以在Windows 7,8,Server 2008上使用。希望这对你有所帮助
do
{
// Sleep or Pause the Thread for 1 sec, if service is running too fast...
Thread.Sleep(millisecondsTimeout: 1000);
Guid tempGuid = ToSeqGuid();
string newFileName = tempGuid.ToString().Split('-')[0];
string outputFileName = appPath + "\\pdf2png\\" + fileNameithoutExtension + "-" + newFileName +
".png";
extractor.SaveCurrentImageToFile(outputFileName, ImageFormat.Png);
// Create text file here using Tesseract
foreach (var file in Directory.GetFiles(appPath + "\\pdf2png"))
{
try
{
var pngFileName = Path.GetFileNameWithoutExtension(file);
string[] myArguments =
{
"/C tesseract ", file,
" " + appPath + "\\png2text\\" + pngFileName
}; // /C for closing process automatically whent completes
string strParam = String.Join(" ", myArguments);
var myCmdProcess = new Process();
var theProcess = new ProcessStartInfo("cmd.exe", strParam)
{
CreateNoWindow = true,
UseShellExecute = false,
RedirectStandardOutput = true,
RedirectStandardError = true,
WindowStyle = ProcessWindowStyle.Minimized
}; // Keep the cmd.exe window minimized
myCmdProcess.StartInfo = theProcess;
myCmdProcess.Exited += myCmdProcess_Exited;
myCmdProcess.Start();
//if (process)
{
/*
MessageBox.Show("cmd.exe process started: " + Environment.NewLine +
"Process Name: " + myCmdProcess.ProcessName +
Environment.NewLine + " Process Id: " + myCmdProcess.Id
+ Environment.NewLine + "process.Handle: " +
myCmdProcess.Handle);
*/
Process.EnterDebugMode();
//ShowWindow(hWnd: process.Handle, nCmdShow: 2);
/*
MessageBox.Show("After EnterDebugMode() cmd.exe process Exited: " +
Environment.NewLine +
"Process Name: " + myCmdProcess.ProcessName +
Environment.NewLine + " Process Id: " + myCmdProcess.Id
+ Environment.NewLine + "process.Handle: " +
myCmdProcess.Handle);
*/
myCmdProcess.WaitForExit(60000);
/*
MessageBox.Show("After WaitForExit() cmd.exe process Exited: " +
Environment.NewLine +
"Process Name: " + myCmdProcess.ProcessName +
Environment.NewLine + " Process Id: " + myCmdProcess.Id
+ Environment.NewLine + "process.Handle: " +
myCmdProcess.Handle);
*/
myCmdProcess.Refresh();
Process.LeaveDebugMode();
//myCmdProcess.Dispose();
/*
MessageBox.Show("After LeaveDebugMode() cmd.exe process Exited: " +
Environment.NewLine);
*/
}
//process.Kill();
// Waits for the process to complete task and exites automatically
Thread.Sleep(millisecondsTimeout: 1000);
// This works fine in Windows 7 Environment, and not in Windows 8
// Try following code block
// Check, if process is not comletey exited
if (!myCmdProcess.HasExited)
{
//process.WaitForExit(2000); // Try to wait for exit 2 more seconds
/*
MessageBox.Show(" Process of cmd.exe was exited by WaitForExit(); Method " +
Environment.NewLine);
*/
try
{
// If not, then Kill the process
myCmdProcess.Kill();
//myCmdProcess.Dispose();
//if (!myCmdProcess.HasExited)
//{
// myCmdProcess.Kill();
//}
MessageBox.Show(" Process of cmd.exe exited ( Killed ) successfully " +
Environment.NewLine);
}
catch (System.ComponentModel.Win32Exception ex)
{
MessageBox.Show(
" Exception: System.ComponentModel.Win32Exception " +
ex.ErrorCode + Environment.NewLine);
}
catch (NotSupportedException notSupporEx)
{
MessageBox.Show(" Exception: NotSupportedException " +
notSupporEx.Message +
Environment.NewLine);
}
catch (InvalidOperationException invalidOperation)
{
MessageBox.Show(
" Exception: InvalidOperationException " +
invalidOperation.Message + Environment.NewLine);
foreach (
var textFile in Directory.GetFiles(appPath + "\\png2text", "*.txt",
SearchOption.AllDirectories))
{
loggingInfo += textFile +
" In Reading Text from generated text file by Tesseract " +
Environment.NewLine;
strBldr.Append(File.ReadAllText(textFile));
}
// Delete text file after reading text here
Directory.GetFiles(appPath + "\\pdf2png").ToList().ForEach(File.Delete);
Directory.GetFiles(appPath + "\\png2text").ToList().ForEach(File.Delete);
}
}
}
catch (Exception exception)
{
MessageBox.Show(
" Cought Exception in Generating image do{...}while{...} function " +
Environment.NewLine + exception.Message + Environment.NewLine);
}
}
// Delete png image here
Directory.GetFiles(appPath + "\\pdf2png").ToList().ForEach(File.Delete);
Thread.Sleep(millisecondsTimeout: 1000);
// Read text from text file here
foreach (var textFile in Directory.GetFiles(appPath + "\\png2text", "*.txt",
SearchOption.AllDirectories))
{
loggingInfo += textFile +
" In Reading Text from generated text file by Tesseract " +
Environment.NewLine;
strBldr.Append(File.ReadAllText(textFile));
}
// Delete text file after reading text here
Directory.GetFiles(appPath + "\\png2text").ToList().ForEach(File.Delete);
} while (extractor.GetNextImage()); // Advance image enumeration...
答案 6 :(得分:0)
就我而言,除了正确的字符识别外,我所有这些都有效。
但你需要考虑以下几点:
ocr.Init(@"c:\tessdata", "eng", true);
希望这有助于
答案 7 :(得分:0)
这是一个很棒的工作示例项目; Tesseract OCR Sample (Visual Studio) with Leptonica Preprocessing 使用Leptonica预处理来验证OCR样本(Visual Studio)
Tesseract OCR 3.02.02 API可能令人困惑,因此这将指导您将Tesseract和Leptonica dll包含在Visual Studio C ++项目中,并提供一个示例文件,该文件采用图像路径进行预处理和OCR。 Leptonica中的预处理脚本将输入图像转换为黑白书本文本。
设置
要将此包含在您自己的项目中,您需要引用头文件和lib并复制tessdata文件夹和dll。
将tesseract-include文件夹复制到项目的根文件夹中。现在在Visual Studio Solution Explorer中单击您的项目,然后转到Project&gt; Properties。
VC ++目录&gt;包含目录:
.. \的tesseract-包括\的tesseract; .. \的tesseract-包括\ leptonica; $(INCLUDEPATH) C / C ++&gt;预处理器&gt;预处理器定义:
_CRT_SECURE_NO_WARNINGS;%(PreprocessorDefinitions) C / C ++&gt;链接器&gt;输入&gt;附加依赖项:
.. \的tesseract-包括\ libtesseract302.lib; .. \的tesseract-包括\ liblept168.lib;%(AdditionalDependencies) 现在,您可以在项目的文件中包含标题:
现在将tesseract-include中的两个dll文件和Debug中的tessdata文件夹复制到项目的输出目录中。
初始化tesseract时,如果tessdata文件夹不是可执行文件的当前目录,则需要指定tessdata文件夹的父文件夹(!important)的位置。您可以复制我的脚本,假定tessdata安装在可执行文件的文件夹中。
tesseract :: TessBaseAPI * api = new tesseract :: TessBaseAPI(); api&gt; Init(“D:\ tessdataParentFolder \”,... 样品
您可以编译提供的示例,该示例使用图像路径的一个命令行参数。 preprocess()函数使用Leptonica创建一个黑白图书的图像副本,使tesseract的工作准确率达到90%。 ocr()函数显示Tesseract API返回字符串输出的功能。 toClipboard()可用于在Windows上将文本保存到剪贴板。您可以将这些复制到您自己的项目中。