Tesseract使用日记

一、工具使用

tesseract-ocr-setup-3.02.02.exe下载安装http://code.google.com/p/tesseract-ocr/downloads/list

将tesseract-ocr-3.02.chi_sim.tar.gz（中文训练库）下载解压之后将chi_sim.traineddata文件拷贝到tesseract-安装目录的tessdata下面就可以进行中文的识别

命令格式为：

tesseract [-l lang] [configfile [[+|-]varfile]...]

命令行cd 到图片所在目录

如：tesseract 1.jpg result -1 chi_sim -psm 7

-psm 7意思是只有一行文本，加上能够提高识别准确度

所识别的结果就在图片所在文件夹下一个result.txt的文件中

二、C++编程

1、http://code.google.com/p/tesseract-ocr/downloads/list

下载tesseract-3.02.02-win32-lib-include-dirs.zip

2、配置C++目录，添加include、lib。

3、创建工程将lib下的dll文件拷到工程目录下

运行如下代码：

#include "strngs.h"
#include <iostream>
using namespace std;#pragma  comment(lib,"libtesseract302.lib")string UTF8ToGBK(const std::string& strUTF8);int _tmain(int argc, _TCHAR* argv[])
{char * str = "1.jpg";tesseract::TessBaseAPI  api;  api.Init(NULL, "chi_sim", tesseract::OEM_DEFAULT);  //初始化，设置语言包，中文简体：chi_sim;英文：eng；也可以自己训练语言包//api.SetVariable( "tessedit_char_whitelist", "0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz" );  STRING text_out;  if (!api.ProcessPages(str, NULL, 0, &text_out))  {  return 0;  }   string out = UTF8ToGBK(text_out.string());cout<<"output: "<<out.c_str()<<endl;int a;cin>>a;return 0;
}
string UTF8ToGBK(const std::string& strUTF8)
{int len = MultiByteToWideChar(CP_UTF8, 0, strUTF8.c_str(), -1, NULL, 0);unsigned short * wszGBK = new unsigned short[len + 1];memset(wszGBK, 0, len * 2 + 2);MultiByteToWideChar(CP_UTF8, 0,LPCSTR(strUTF8.c_str()), -1, LPWSTR(wszGBK), len);len = WideCharToMultiByte(CP_ACP, 0,LPCTSTR(wszGBK), -1, NULL, 0, NULL, NULL);char *szGBK = new char[len + 1];memset(szGBK, 0, len + 1);WideCharToMultiByte(CP_ACP,0, LPCTSTR(wszGBK), -1, szGBK, len, NULL, NULL);//strUTF8 = szGBK;string strTemp(szGBK);delete[]szGBK;delete[]wszGBK;return strTemp;
}

4、提示缺少liblept168d.dll，下载英文语言库tesseract-ocr-3.02.eng.tar.gz（为vs2008编译），如果是vs2010重新编译liblept168d.dll，

这里提供别人编译好的http://download.csdn.net/detail/zhymax/4928137，照样配置lib路径，拷贝dll文件到工程目录下。

如用下图测试

可以得到

可以显示识别的汉字。

Tesseract使用日记相关推荐

Python机器学习：训练Tesseract
训练Tesseract 大多数其他的验证码都是比较简单的.例如,流行的 PHP 内容管理系统 Drupal 有一个著名的验证码模块(https://www.drupal.org/project/ca ...
Python：机器视觉与Tesseract介绍
机器视觉从 Google 的无人驾驶汽车到可以识别假钞的自动售卖机,机器视觉一直都是一个应用广泛且具有深远的影响和雄伟的愿景的领域. 我们将重点介绍机器视觉的一个分支:文字识别,介绍如何用一些 P ...
《帝企鹅日记》观后感
第一次看到是在高中的英语周报上,那时候蛮好奇的,企鹅也写日记,呵呵,后来想了想应该是纪录片,时隔三年,发现当初的猜测果然不假. 我觉得那些企鹅很可爱,也很漂亮.最重要的是,那一条条小生命有着顽强的毅力 ...
axure 模板_《惢客创业日记》2019.09.03（周二）用Axure管理项目流程
今天,花了一整天的时间,搭建了一个本地服务器,并且,把Axure生成的网页系统部署在了IIS上.之所以,用Axure来把整个项目的资源做一个汇总,主要目的有三个: 第一.用Axure实现基于网页的项目 ...
Windows安装用于OCR的Tesseract及使用命令行参数进行OCR
Windows安装用于OCR的Tesseract及使用命令行参数进行OCR 1. 效果图 2. Tesseract 安装及验证参考这篇博客将介绍如何安装和使用光学字符识别(OCR Optical ...
[UWP小白日记-10]程序启动屏（ios解锁既视感）
[UWP小白日记-10]程序启动屏(ios解锁既视感) 原文:[UWP小白日记-10]程序启动屏(ios解锁既视感) 讲一下微软爸爸的开发者大会2016又暴了个表达式动画和Windows.UI.Co ...
我先了解一下博客园创建随笔/文章/日记的过程与三者的区别(隐私等级,是否审核等)...
我先了解一下博客园创建随笔/文章/日记的过程与三者的区别(隐私等级,是否审核等) 转载于:https://www.cnblogs.com/Totooria-Hyperion/p/5260289.htm ...
网络工程师成长日记333-某城市政府项目
网络工程师成长日记333-某城市政府项目这是我的第333篇原创文章,记录网络工程师行业的点点滴滴,结交IT行业有缘之人直接上干货,拓扑图: 工程目的:排除故障配置如下: LinWei#show ...
Tesseract 3 语言数据的训练方法
OCR,光学字符识别光学字符识别(OCR,Optical Character Recognition)是指对文本资料进行扫描,然后对图像文件进行分析处理,获取文字及版面信息的过程.OCR技术非常专业 ...

Tesseract使用日记

Tesseract使用日记相关推荐

最新文章

热门文章