利用谷歌开源tesseract的dll组件，在VS平台上，用C#语言实现对图片中字符的识别，在图片较规整的情况下，可识别字母数字。【注意事项】
关于软件的使用：在win7及一下的电脑上运行时需要安装.net framework4.0，另外该程序对只包含文本，且文本清晰的图片识别率较高，另外随着文字的增多识别的成功率会下降。 该软件采用的是Tesseract及其配套的训练库来实现图片中的文字识别（包括中文）。如果读者要自己创建同样的识别程序需要注意的地方有以下几点： 1、 需要的文件有：Tesseract.dll和chi_sim.traineddata。这两个文件在该项目目录下均可以找到。 2、 项目目标处理器必须设置为x86,不然运行不通过 3、 使用时，将Tesseract.dll添加到项目引用中。如果准备使用.net4.0框架主要修改app.config与本文件中的app.config一致。如果不想修改app.config，请将项目.net框架降低3.5版本，否则编译时出错。 4、 主要的识别过程如下： 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("识别结果为:" result); 其中process.Init函数的第一个参数为chi_sim.traineddata的路径，本项目中为软件运行目录下（记着把文件放在指定目录下，不然运行会出错的），记得最后还有反斜杠。第二个参数为训练库名不带扩展名的。第三个参数不用管，原封抄下就可以了。 5、 另外注意文件chi_sim.traineddata是训练库文件，如果觉得识别率不高可以自己再网上找Tesseract的训练库，替换该文件。
using OCR.TesseractWrapper;using System;using System.Collections.Generic;using System.ComponentModel;using System.Data;using System.Drawing;using System.Linq;using System.Text;using System.Windows.Forms;namespace 识别汉字{ public partial class Form1 : Form { public Form1() { InitializeComponent(); } private void button1_Click(object sender, EventArgs e) { 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("识别结果为: " result); } private void button2_Click(object sender, EventArgs e) { OpenFileDialog ofd = new OpenFileDialog(); ofd.Filter = "(*.jpg,*.gif,*.bmp,*.png,*.jpeg)|*.JPG;*.GIF;*.BMP;*.PNG;*.JPEG"; if (ofd.ShowDialog() == DialogResult.OK) { textBox_Path.Text = ofd.FileName; Bitmap bmp = new Bitmap(textBox_Path.Text); pictureBox_Oraginal.Image = bmp; } } }}
评论