OCR识别图片的一些实例

 

之前一直想做一个人脸识别的项目，结果最后被调离那个项目组，最后不了了之。最近在家休息，一哥们就让帮忙采集一些数据，因为有效的数据被图片化了，就需要一些简单的数字识别，然后决定用tesseract-ocr来实现。

tesseract-ocr是一 个OCR引擎，在1985年到1995年由HP实验室开发，现在在Google。tesseract-ocr 3.0发布，支持中文。开源协议Apache License 2.0，在商业项目中还是可以值得一用的。

C#项目地址

OK.废话少说。代码贴上了。简单的测试了下，生产环境下自己封装下。OCR这些对资源的消耗特别严重，并且在现实情况下图片有噪点扭曲，失败的概率有点大,所以穷举的时候要注意对象代的管理。不过京东没有扭曲什么的，识别就简单多了。

001 using System;
002 using System.Collections.Generic;
003 using System.Text;
004 using System.Drawing;
005 using System.IO;
006 using System.Linq;
007 using System.Net;
008 using System.Threading;
009
010 using tessnet2;
011 namespace OCR
012 {
013     class Program
014     {
015
016         static void Main(string[] args)
017         {
018             var imgpath = "http://image.58.com/showphone.aspx?t=v55&v=D438D3A47DA8384485F9AB46324E7BDB0";
019             var ocr = new Tesseract();
020             var result = new List(13);
021             var sb = new StringBuilder(20);
022             var ocrlength = 0;
023             var ocrcount = 0;
024             ocr.SetVariable("tessedit_char_whitelist", "￥-0123456789.");
025             ocr.Init(Path.Combine(Directory.GetCurrentDirectory(), @"Language"), "eng", false);
026
027             /*识别58并验证是否电话号码*/
028             Spot.Test(imgpath, ocr, out result);
029             ocrlength = result.Single().Text.Length;
030             while (ocrlength != 11) /// 检查是否匹配,实际环境中用正则
031             {
032                 ocrcount++;
033                 if (ocrcount % 5 != 0)
034                 {
035                     Spot.Test(imgpath, ocr, out result);
036                     ocrlength = result.Single().Text.Length;
037                     while (ocrlength == 11)
038                     {
039                         Console.WriteLine("识别成功");
040                         result.Each(r => Console.WriteLine(r.Text));
041                         Console.ReadLine();
042                         return;
043                     }
044                 }
045                 else
046                 {
047                     Console.WriteLine("为了缓解服务器的压力,稍微休息5秒之后继续识别");
048                     Thread.Sleep(5000);//任务休息5秒
049                     GC.Collect();
050                     GC.Collect(2);
051                 }
052                 sb.Remove(0, sb.Length);
053                 result.Each(r => sb.Append(r.Text));
054                 Console.WriteLine("第{0}次错误识别结果是{1}", ocrcount, sb.ToString());
055             }
056
057
058             /* 识别京东价格
059             Spot.Test(imgpath,ocr,out result);
060             result.Each(r => sb.Append(r.Text));
061             Console.WriteLine(sb.Replace('S', '5').Replace('s', '5'));
062             Console.ReadLine();
063              */
064         }
065         }
066
067
068
069     public static class Spot
070     {
071         ///
072         /// 测试方法，实际环境中注意对象的回收。
073         ///
074         ///
075         /// Spot.Test("","","");
076         ///
077         /// 图片Url
078         /// ocr的全局对象
079         /// 返回识别的结果
080         public static void Test(string url,Tesseract ocr,out List result)
081         {
082             using (var wc = new WebClient())
083             {
084                 var img = wc.DownloadData(url);
085                 using (var bitimage = new Bitmap(new MemoryStream(img), true))
086                 {
087                     result = ocr.DoOCR(bitimage, Rectangle.Empty);
088                 }
089             }
090         }
091     }
092
093
094     ///
095     ///
096     ///
097     public static class Linq
098     {
099         ///
100         /// 扩展
101         ///
102         ///
103         ///
104         ///
105         public static void Each(this IEnumerable col, Action handler)
106         {
107             foreach (var item in col)
108                 handler(item);
109         }
110     }
111
112 }

 运行的结果：

 

 

需要玩下的点这里下载项目吧。

OCR小贴士：

什么是OCR,点击这里查看。点击

还存在那些OCR引擎？

答：

主要几个OCR还有Asprise-OCR，不过个人感觉这个识别不大准确，错误率太高。所以放弃了。

微软也有OCR，不过下次再介绍基于微软的Document组件的中文识别吧。tesseract-ocr实际上也是支持中文的。可以自己去看下了解下。

 

来源：http://www.cnblogs.com/imfunny/archive/2011/11/15/2250032.html