C#版Tesseract库的使用技巧

上一篇介绍了Tesseract库的使用（OCR库Tesseract初探），文末提到了Tesseract是用c/c++开发的，也有C#的开源版本，本篇介绍一下如何使用C#版的Tesseract。

C#版本源码下载地址：https://github.com/charlesw/tesseract

其实在vs中可以直接用NuGet工具进行下载：

打开nuget，搜索tesseract，点安装即可。

源码是vs2015编译的，需要安装vs2015以上版本。

打开项目后如：

我们再添加一个winform项目，画界面如：

实现点击“选择需要识别的图片”，打开一张图片，调用算法并显示结果。比较简单。源码如下：

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;
using Tesseract;

namespace TesseractDemo
{
   public partial class Form1 : Form
   {
       public Form1()
       {
           InitializeComponent();
       }
       //选图片并调用ocr识别方法
       private void btnRec_Click(object sender, EventArgs e)
       {
           //openFileDialog1.Filter = "";
           if (openFileDialog1.ShowDialog() == DialogResult.OK)
           {
               var imgPath = openFileDialog1.FileName;
               pictureBox1.Image=Image.FromFile(imgPath);
               string strResult = ImageToText(imgPath);
               if (string.IsNullOrEmpty(strResult))
               {
                   txtResult.Text = "无法识别";
               }
               else
               {
                   txtResult.Text = strResult;
               }
           }
       }
       //调用tesseract实现OCR识别
       public string ImageToText(string imgPath)
       {
           using (var engine = new TesseractEngine("tessdata", "eng", EngineMode.Default))
           {
               using (var img = Pix.LoadFromFile(imgPath))
               {
                   using (var page = engine.Process(img))
                   {
                       return page.GetText();
                   }
               }
           }
       }
   }
}

有一点要注意的是，tesseract的识别语言包要自己下载后包含到项目里面，并设置为始终复制，或者直接把这个文件包放到运行程序目录（bin\debug)下：

eng是英文字符的意思，要识别其他语言字符，需要自己下载：

Tesseract hasunicode (UTF-8) support, and canrecognize more than 100 languages"out of the box".

这个库支持100种语言的识别

字库下载地址为：https://github.com/tesseract-ocr/tessdata

用OpencvSharp先降噪再调OCR识别：

//用opencv进行降噪处理再ocr识别
       private void button3_Click(object sender, EventArgs e)
       {
           //从网上读取一张图片
           string imgUrl = "https://service.cheshi.com/user/validate/validatev3.php";
           MemoryStream ms = ReadImgFromWeb(imgUrl);
           Image img = Image.FromStream(ms);
           pictureBox1.Image = img;

//降噪
           Mat simg = Mat.FromStream(ms, ImreadModes.Grayscale);
           Cv2.ImShow("Input Image", simg);
           //阈值操作 阈值参数可以用一些可视化工具来调试得到
           Mat ThresholdImg = simg.Threshold(29, 255, ThresholdTypes.Binary);
           Cv2.ImShow("Threshold", ThresholdImg);
           Cv2.ImWrite("d:\\img.png", ThresholdImg);

textBox1.Text= ImageToText("d:\\img.png");
       }

/// <summary>
       /// 从网上读取一张图片
       /// </summary>
       /// <param name="Url"></param>
       public MemoryStream ReadImgFromWeb(string Url)
       {
           HttpWebRequest request = (HttpWebRequest)WebRequest.Create(Url);
           request.Credentials = CredentialCache.DefaultCredentials; // 添加授权证书
           request.UserAgent = "Microsoft Internet Explorer";
           WebResponse response = request.GetResponse();
           Stream s = response.GetResponseStream();
           byte[] data = new byte[1024];
           int length = 0;
           MemoryStream ms = new MemoryStream();
           while ((length = s.Read(data, 0, data.Length)) > 0)
           {
               ms.Write(data, 0, length);
           }
           ms.Seek(0, SeekOrigin.Begin);
           //pictureBox1.Image = Image.FromStream(ms);
           return ms;
       }

请自行用NuGet程序下载opencvsharp3.0库，参考https://www.cnblogs.com/tuyile006/p/10819570.html

另外专门有篇文章介绍中文识别：Tesseract-OCR识别中文与训练字库实例

来源：https://www.cnblogs.com/tuyile006/p/10772584.html