Tesseract初探

一、框架介绍 

Tesseract 是一款图片识别工具，可以抓取图片中的文字，可以支持多种语言(默认是英语），需要下载开源文件可以在github上下载，如果知识应用不想太多深究直接在google code里边搜索下载即可。

二、Tesseract内容  

Doc:说明文档  

Tessdata:存放各种文字库（chi_sim.traineddata:中文 等）  

Tessseract.exe 即可以启动文件开始调用Tesseract 可以通过cmd方式调用，先cd到对应的目录，然后 输入 tesseract.exe 图片名 导出文件名（如：tesseract.exe 1.jpg 1) 就可以把和tesseract同目录的 1.jpg文件识别结果存放在 1.txt文件中。当然如果需要支持中文，需要在tessdata中添加 chi_sim.traineddata 文件，

然后 调用例子：tesseract.exe 1.jpg 1 -L chi_sim 制定是根据什么文字库进行识别。 当然图片地址可以引用全路径、输出结果也可以全路径如果只是想把Tesseract做为一个工具做文字解析，并不追求太高成功率使用者，这样即可满足需要了，直接通过CMD调用exe进行执行。有需要玩的小伙伴可以直接下载附件 Tesseract_简单使用.rar文件

三、.Net项目高级使用

如果.Net项目需要使用 DLL方式引用进行研发，可以下载Tesseract_DLL引用包。

X86和X64是针对Tesseract关联引用DLL，根据程序所在系统位数进行自适应配置。

liblept168.dll 这个文件会在windows server 2003中发布IIS情况下无法加载错误信息: Failed to find library "liblept168.dll" for platform x86. 如果发布在更高版本系统中即可正常使用Tesseract.DLL即是要添加到对应的项目中的。以下是测试tesseract.dll 代码：  

 

 1 using (var engine = new TesseractEngine(Server.MapPath(@"~/tessdata"), "eng", EngineMode.Default))

 2                 {

 3                     // have to load Pix via a bitmap since Pix doesn't support loading a stream.

 4                     using (var image = new System.Drawing.Bitmap(imageFile.PostedFile.InputStream))

 5                     {

 6                         using (var pix = PixConverter.ToPix(image))

 7                         {

 8                             using (var page = engine.Process(pix))

 9                             {

10                                 meanConfidenceLabel.InnerText = String.Format("{0:P}", page.GetMeanConfidence());

11                                 resultText.InnerText = page.GetText();

12                             }

13                         }

14                     }

15                 }

Tesseract调用

 

TesseractEngine：构造函数参数注意事项=》第一个是字库路径必须使用tessdata结尾，第二个如果需要使用chi_sim即中文