首页 > 代码库 > 浅谈OCR之Tesseract
浅谈OCR之Tesseract
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，一般多是印刷、打印行业的从业人员使用，可以快速的将纸质资料转换为电子资料。关于中文OCR，目前国内水平较高的有清华文通、汉王、尚书，其产品各有千秋，价格不菲。国外OCR发展较早，像一些大公司，如IBM、微软、HP等，即使没有推出单独的OCR产品，但是他们的研发团队早已掌握核心技术，将OCR功能植入了自身的软件系统。对于我们程序员来说，一般用不到那么高级的，主要在开发中能够集成基本的OCR功能就可以了。这两天我查找了很多免费OCR软件、类库，特地整理一下，今天首先来谈谈Tesseract，下一次将讨论下Onenote 2010中的OCR API实现。可以在这里查看OCR技术的发展简史。
测试代码下载
转载出处：http://www.cnblogs.com/brooks-dotnet/archive/2010/10/05/1844203.html
1、Tesseract概述
Tesseract的OCR引擎最先由HP实验室于1985年开始研发，至1995年时已经成为OCR业内最准确的三款识别引擎之一。然而，HP不久便决定放弃OCR业务，Tesseract也从此尘封。
数年以后，HP意识到，与其将Tesseract束之高阁，不如贡献给开源软件业，让其重焕新生－－2005年，Tesseract由美国内华达州信息技术研究所获得，并求诸于Google对Tesseract进行改进、消除Bug、优化工作。
Tesseract目前已作为开源项目发布在Google Project，其项目主页在这里查看，其最新版本3.0已经支持中文OCR，并提供了一个命令行工具。本次我们来测试一下Tesseract 3.0，由于命令行对最终用户不太友好，我用WPF简单封装了一下，就可以方便的进行中文OCR了。
1.1、首先到Tesseract项目主页下载命令行工具、源代码、中文语言包：
1.2、命令行工具解压缩后如下（不含1.jpg、1.txt）：
1.3、为了进行中文OCR，将简体中文语言包复制到【tessdata】目录下：
1.4、在DOS下切换到Tesseract的命令行目录，查看一下tesseract.exe的命令格式：
Imagename为待OCR的图片，outputbase为OCR后的输出文件，默认是文本文件（.txt），lang为使用的语言包，configfile为配置文件。
1.5、下面来测试一下，准备一张jpg格式的图片，这里我是放到了和Tesseract同一个目录中：
输入：tesseract.exe 1.jpg 1 -l chi_sim，然后回车，几秒钟就OCR完成了：
这里注意命令的格式：imagename要加上扩展名.jpg，输出文件和语言包不需要加扩展名。
OCR结果：
可以看到结果不是很理想，中文识别还说的过去，但是英文、数字大都乱码。不过作为老牌的OCR引擎，能做到这种程度已经相当不错了，期待Google的后续升级吧，支持一下。
2、使用WPF封装Tesseract命令行
2.1、鉴于命令行书写容易出错，且对最终用户很不友好，我做了一个简单的WPF小程序，将Tesseract的命令行封装了一下：
左边选择图片、预览，右边选择输出目录，显示OCR结果，支持本地及网络图片的预览。
2.2、为了使得图片预览支持缩放、移动，原本打算使用微软的Zoom It API，可惜不支持WPF，于是使用了一个第三方的类：
1 图片缩放、移动工具类Code highlighting produced by Actipro CodeHighlighter (freeware)http://www.CodeHighlighter.com/-->using System; 2 using System.Windows.Controls; 3 using System.Windows.Input; 4 using System.Windows.Media.Animation; 5 using System.Windows; 6 using System.Windows.Media; 7 8 namespace PanAndZoom 9 { 10 public class PanAndZoomViewer : ContentControl 11 { 12 public double DefaultZoomFactor { get; set; } 13 private FrameworkElement source; 14 private Point ScreenStartPoint = new Point(0, 0); 15 private TranslateTransform translateTransform; 16 private ScaleTransform zoomTransform; 17 private TransformGroup transformGroup; 18 private Point startOffset; 19 20 public PanAndZoomViewer() 21 { 22 this.DefaultZoomFactor = 1.4; 23 } 24 25 public override void OnApplyTemplate() 26 { 27 base.OnApplyTemplate(); 28 Setup(this); 29 } 30 31 void Setup(FrameworkElement control) 32 { 33 this.source = VisualTreeHelper.GetChild(this, 0) as FrameworkElement; 34 35 this.translateTransform = new TranslateTransform(); 36 this.zoomTransform = new ScaleTransform(); 37 this.transformGroup = new TransformGroup(); 38 this.transformGroup.Children.Add(this.zoomTransform); 39 this.transformGroup.Children.Add(this.translateTransform); 40 this.source.RenderTransform = this.transformGroup; 41 this.Focusable = true; 42 this.KeyDown += new KeyEventHandler(source_KeyDown); 43 this.MouseMove += new MouseEventHandler(control_MouseMove); 44 this.MouseDown += new MouseButtonEventHandler(source_MouseDown); 45 this.MouseUp += new MouseButtonEventHandler(source_MouseUp); 46 this.MouseWheel += new MouseWheelEventHandler(source_MouseWheel); 47 } 48 49 void source_KeyDown(object sender, KeyEventArgs e) 50 { 51 // hit escape to reset everything 52 if (e.Key == Key.Escape) Reset(); 53 } 54 55 void source_MouseWheel(object sender, MouseWheelEventArgs e) 56 { 57 // zoom into the content. Calculate the zoom factor based on the direction of the mouse wheel. 58 double zoomFactor = this.DefaultZoomFactor; 59 if (e.Delta <= 0) zoomFactor = 1.0 / this.DefaultZoomFactor; 60 // DoZoom requires both the logical and physical location of the mouse pointer 61 var physicalPoint = e.GetPosition(this); 62 DoZoom(zoomFactor, this.transformGroup.Inverse.Transform(physicalPoint), physicalPoint); 63 64 } 65 66 void source_MouseUp(object sender, MouseButtonEventArgs e) 67 { 68 if (this.IsMouseCaptured) 69 { 70 // we‘re done. reset the cursor and release the mouse pointer 71 this.Cursor = Cursors.Arrow; 72 this.ReleaseMouseCapture(); 73 } 74 } 75 76 void source_MouseDown(object sender, MouseButtonEventArgs e) 77 { 78 // Save starting point, used later when determining how much to scroll. 79 this.ScreenStartPoint = e.GetPosition(this); 80 this.startOffset = new Point(this.translateTransform.X, this.translateTransform.Y); 81 this.CaptureMouse(); 82 this.Cursor = Cursors.ScrollAll; 83 } 84 85 86 void control_MouseMove(object sender, MouseEventArgs e) 87 { 88 if (this.IsMouseCaptured) 89 { 90 // if the mouse is captured then move the content by changing the translate transform. 91 // use the Pan Animation to animate to the new location based on the delta between the 92 // starting point of the mouse and the current point. 93 var physicalPoint = e.GetPosition(this); 94 this.translateTransform.BeginAnimation(TranslateTransform.XProperty, CreatePanAnimation(physicalPoint.X - this.ScreenStartPoint.X + this.startOffset.X), HandoffBehavior.Compose); 95 this.translateTransform.BeginAnimation(TranslateTransform.YProperty, CreatePanAnimation(physicalPoint.Y - this.ScreenStartPoint.Y + this.startOffset.Y), HandoffBehavior.Compose); 96 } 97 } 98 99 100 /// <summary>Helper to create the panning animation for x,y coordinates.</summary>101 /// <param name="toValue">New value of the coordinate.</param>102 /// <returns>Double animation</returns>103 private DoubleAnimation CreatePanAnimation(double toValue)104 {105 var da = new DoubleAnimation(toValue, new Duration(TimeSpan.FromMilliseconds(300)));106 da.AccelerationRatio = 0.1;107 da.DecelerationRatio = 0.9;108 da.FillBehavior = FillBehavior.HoldEnd;109 da.Freeze();110 return da;111 }112 113 114 /// <summary>Helper to create the zoom double animation for scaling.</summary>115 /// <param name="toValue">Value to animate to.</param>116 /// <returns>Double animation.</returns>117 private DoubleAnimation CreateZoomAnimation(double toValue)118 {119 var da = new DoubleAnimation(toValue, new Duration(TimeSpan.FromMilliseconds(500)));120 da.AccelerationRatio = 0.1;121 da.DecelerationRatio = 0.9;122 da.FillBehavior = FillBehavior.HoldEnd;123 da.Freeze();124 return da;125 }126 127 /// <summary>Zoom into or out of the content.</summary>128 /// <param name="deltaZoom">Factor to mutliply the zoom level by. </param>129 /// <param name="mousePosition">Logical mouse position relative to the original content.</param>130 /// <param name="physicalPosition">Actual mouse position on the screen (relative to the parent window)</param>131 public void DoZoom(double deltaZoom, Point mousePosition, Point physicalPosition)132 {133 double currentZoom = this.zoomTransform.ScaleX;134 currentZoom *= deltaZoom;135 this.translateTransform.BeginAnimation(TranslateTransform.XProperty, CreateZoomAnimation(-1 * (mousePosition.X * currentZoom - physicalPosition.X)));136 this.translateTransform.BeginAnimation(TranslateTransform.YProperty, CreateZoomAnimation(-1 * (mousePosition.Y * currentZoom - physicalPosition.Y)));137 this.zoomTransform.BeginAnimation(ScaleTransform.ScaleXProperty, CreateZoomAnimation(currentZoom));138 this.zoomTransform.BeginAnimation(ScaleTransform.ScaleYProperty, CreateZoomAnimation(currentZoom));139 }140 141 /// <summary>Reset to default zoom level and centered content.</summary>142 public void Reset()143 {144 this.translateTransform.BeginAnimation(TranslateTransform.XProperty, CreateZoomAnimation(0));145 this.translateTransform.BeginAnimation(TranslateTransform.YProperty, CreateZoomAnimation(0));146 this.zoomTransform.BeginAnimation(ScaleTransform.ScaleXProperty, CreateZoomAnimation(1));147 this.zoomTransform.BeginAnimation(ScaleTransform.ScaleYProperty, CreateZoomAnimation(1));148 }149 }150 }
2.3、除了使用鼠标。还可以使用滚动条调节图片预览效果：
1 数据绑定Code highlighting produced by Actipro CodeHighlighter (freeware)http://www.CodeHighlighter.com/--> <WrapPanel Grid.Row="2" Grid.Column="0"> 2 <Label Name="lab长度" Content="长度：" Margin="3" /> 3 <Slider Name="sl长度" MinWidth="50" Margin="3" VerticalAlignment="Center" Maximum="400" Value=http://www.mamicode.com/"{Binding ElementName=img图片, Path=Width, Mode=TwoWay}" /> 4 5 <Label Name="lab宽度" Content="宽度：" Margin="3" /> 6 <Slider Name="sl宽度" MinWidth="50" Margin="3" VerticalAlignment="Center" Maximum="400" Value=http://www.mamicode.com/"{Binding ElementName=img图片, Path=Height, Mode=TwoWay}" /> 7 8 <Label Name="lab透明度" Content="透明度：" Margin="3" /> 9 <Slider Name="sl透明度" MinWidth="50" Margin="3" VerticalAlignment="Center" Maximum="1" Value=http://www.mamicode.com/"{Binding ElementName=img图片, Path=Opacity, Mode=TwoWay}" />10 11 <Label Name="lab拉伸方式" Content="拉伸方式：" Margin="3" />12 <ComboBox Name="txt拉伸方式" Margin="3" MinWidth="85">13 <ComboBoxItem Content="Fill" />14 <ComboBoxItem Content="None" IsSelected="True" />15 <ComboBoxItem Content="Uniform" />16 <ComboBoxItem Content="UniformToFill" />17 </ComboBox>18 </WrapPanel>19 20 <local:PanAndZoomViewer Grid.Row="3" Grid.Column="0" Height="300" Margin="3">21 <Image Name="img图片" Stretch="{Binding ElementName=txt拉伸方式, Path=Text, Mode=TwoWay}" />22 </local:PanAndZoomViewer>
2.4、由于Tesseract命令行不支持直接OCR网络图片，故先下载：
1 图片下载Code highlighting produced by Actipro CodeHighlighter (freeware)http://www.CodeHighlighter.com/--> private void fnStartDownload(string v_strImgPath, string v_strOutputDir, out string v_strTmpPath) 2 { 3 int n = v_strImgPath.LastIndexOf(‘/‘); 4 string URLAddress = v_strImgPath.Substring(0, n); 5 string fileName = v_strImgPath.Substring(n + 1, v_strImgPath.Length - n - 1); 6 this.__OutputFileName = v_strOutputDir + "\\" + fileName.Substring(0, fileName.LastIndexOf(".")); 7 8 if (!Directory.Exists(System.Configuration.ConfigurationManager.AppSettings["tmpPath"])) 9 {10 Directory.CreateDirectory(System.Configuration.ConfigurationManager.AppSettings["tmpPath"]);11 }12 13 string Dir = System.Configuration.ConfigurationManager.AppSettings["tmpPath"];14 v_strTmpPath = Dir + "\\" + fileName;15 16 WebRequest myre = WebRequest.Create(URLAddress);17 client.DownloadFile(v_strImgPath, v_strTmpPath);18 19 20 //Stream str = client.OpenRead(v_strImgPath);21 //StreamReader reader = new StreamReader(str);22 //byte[] mbyte = new byte[Int32.Parse(System.Configuration.ConfigurationManager.AppSettings["MaxDownloadImgLength"])];23 //int allmybyte = (int)mbyte.Length;24 //int startmbyte = 0;25 //while (allmybyte > 0)26 //{27 // int m = str.Read(mbyte, startmbyte, allmybyte);28 // if (m == 0)29 // {30 // break;31 // }32 33 // startmbyte += m;34 // allmybyte -= m;35 //}36 37 //FileStream fstr = new FileStream(v_strTmpPath, FileMode.Create, FileAccess.Write);38 //fstr.Write(mbyte, 0, startmbyte);39 //str.Close();40 //fstr.Close();41 }
2.5、使用Process来调用Tesseract命令行：
1 调用Tesseract命令行Code highlighting produced by Actipro CodeHighlighter (freeware)http://www.CodeHighlighter.com/--> private void fnOCR(string v_strTesseractPath, string v_strSourceImgPath, string v_strOutputPath, string v_strLangPath) 2 { 3 using (Process process = new System.Diagnostics.Process()) 4 { 5 process.StartInfo.FileName = v_strTesseractPath; 6 process.StartInfo.Arguments = v_strSourceImgPath + " " + v_strOutputPath + " -l " + v_strLangPath; 7 process.StartInfo.UseShellExecute = false; 8 process.StartInfo.CreateNoWindow = true; 9 process.StartInfo.RedirectStandardOutput = true;10 process.Start();11 process.WaitForExit();12 }13 }
2.6、测试本地图片：
2.7、测试网络图片：
小结：
本次我们简单讨论了下Tesseract的用法，作为一款开源、免费的OCR引擎，能够支持中文十分难得。虽然其识别效果不是很理想，但是对于要求不高的中小型项目来说，已经足够用了。这里有一份免费OCR工具列表，感兴趣的朋友可以研究一下。下一次将测试一下Onenote 2010中OCR功能，以及如何调用其API，为项目所用。
浅谈OCR之Tesseract
声明：以上内容来自用户投稿及互联网公开渠道收集整理发布，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任，若内容有误或涉及侵权可进行投诉： 投诉/举报 工作人员会在5个工作日内联系你，一经查实，本站将立刻删除涉嫌侵权内容。