1141-C# Winform識別圖片文字源碼 tesseract OCR

1141-C# Winform識別圖片文字源碼 tesseract OCR

關于軟件的使用：在win7及一下的電腦上運行時需要安裝.net framework4.0，另外該程序對只包含文本，且文本清晰的圖片識別率較高，另外隨著文字的增多識別的成功率會下降。

該軟件采用的是Tesseract及其配套的訓練庫來實現圖片中的文字識別（包括中文）。

如果讀者要自己創建同樣的識別程序需要注意的地方有以下幾點：

1、  需要的文件有：Tesseract.dll和chi_sim.traineddata。這兩個文件在該項目目錄下均可以找到。

2、  項目目標處理器必須設置為x86,不然運行不通過

3、  使用時，將Tesseract.dll添加到項目引用中。如果準備使用.net4.0框架主要修改app.config與本文件中的app.config一致。如果不想修改app.config，請將項目.net框架降低3.5版本，否則編譯時出錯。

4、  主要的識別過程如下：

Bitmap bmp = new Bitmap(textBox_Path.Text);

TesseractProcessor process = new TesseractProcessor();

process.SetPageSegMode(ePageSegMode.PSM_SINGLE_LINE);

process.Init(System.Environment.CurrentDirectory+"\\","chi_sim", (int)eOcrEngineMode.OEM_DEFAULT);

string result = process.Recognize(bmp);

MessageBox.Show("識別結果為:"+result);

其中process.Init函數的第一個參數為chi_sim.traineddata的路徑，本項目中為軟件運行目錄下（記著把文件放在指定目錄下，不然運行會出錯的），記得最后還有反斜杠。第二個參數為訓練庫名不帶擴展名的。第三個參數不用管，原封抄下就可以了。

5、  另外注意文件chi_sim.traineddata是訓練庫文件，如果覺得識別率不高可以自己再網上找Tesseract的訓練庫，替換該文件。

·進入下載地址列表