使用 Tesseract 界面进行 OCR

Question

如何在 C# 中使用 Tesseract 的界面 OCR tiff 文件？
目前我只知道如何使用可执行文件来做到这一点。

Answer 1

看看 tessnet （nuget 包 https://www.nuget.org/packages/TesserNet/ https://www.nuget.org/packages/NuGet.Tessnet2 ）

Answer 2

源代码似乎适合可执行文件，您可能需要稍微重新连接一些东西，以便将其构建为 DLL。我对 Visual C++ 没有太多经验，但我认为通过一些研究应该不会太难。我的猜测是有人可能已经制作了一个库版本，你应该尝试谷歌。

一旦 DLL 文件中包含了 tesseract-ocr 代码，您就可以通过 Visual Studio 将该文件导入到您的 C# 项目中，并让它创建包装类并为您完成所有封送工作。如果您无法导入，那么DllImport将允许您从C#代码调用DLL中的函数。

然后您可以查看原始可执行文件，找到有关调用哪些函数来正确 OCR tiff 图像的线索。

Answer 3

C# 程序启动 tesseract.exe，然后读取 tesseract.exe 的输出文件。

Process process = Process.Start("tesseract.exe", "out");
process.WaitForExit();
if (process.ExitCode == 0)
{
    string content = File.ReadAllText("out.txt");
}

Answer 4

我今天发现 EMGU 现在包含一个 Tesseract 包装器。虽然 opencv 库的非托管 dll 的数量可能看起来有点令人畏惧，但这并不是快速复制到输出目录无法解决的问题。从那里开始，实际的 OCR 过程就像三行一样简单：

Tesseract ocr = new Tesseract(Path.Combine(Environment.CurrentDirectory, "tessdata"), "eng", Tesseract.OcrEngineMode.OEM_TESSERACT_ONLY);
this.ocr.Recognize(clip);
optOCR.Text = this.ocr.GetText();

“机器人学”放在一起一个非常好的 YouTube 视频，演示了一个简单但有效的解决方案。

Answer 5

免责声明：我在 Atalasoft 工作

我们的OCR模块支持Tesseract，如果证明还不够好，您可以升级到更好的引擎，只需更改一行代码（我们为多个OCR引擎提供通用接口）。