我如何在小型 c++ 中使用 tesseract ocr（或任何其他免费 ocr）项目？

Question

因此，我经过研究后得知，唯一可靠的免费 OCR 选项是 Tesseract 或库内形式。

现在，Tesseract 文档简直太糟糕了，他们给你的只是一堆 Visual Studio 代码（对我来说在 Windows 上），从那里你就只能在他们的 API 海洋中独自一人了。您所能做的就是使用编译后的 exe，然后在 tiff 图像上使用它。

我期待至少有简短的文档告诉您如何调用他们的 API 调用以至少在一个小示例中使用 OCR，但没有，他们的文档中没有类似的内容。

CuneiForm：我下载了它，“太棒了”，一切都是俄语的。 :(

对于那些人来说，举一个小例子真的很难吗？相反，他们向我们提供了一堆可能 90% 的人都无法接触到的不相关的信息，你如何能在不从小事开始的情况下到达那里，而他们却没有解释任何事情！

所以我有一堆API，但是如果没有任何解释，我到底应该如何使用它？...也许有人可以给我提供建议和解决方案？我不是在寻求奇迹，只是向我展示一些小东西事情如何运作。

Answer 1

你可能已经放弃了，但可能还有其他人仍在尝试。因此，这是您开始使用 tesseract 所需的内容：

首先，您应该阅读有关 tesseract 的所有文档。您可能会在 wiki 中找到一些有用的内容。

要开始使用 API（v 3.0.1，当前在主干中），另请阅读 trunk），您应该查看 baseapi.h。如何使用 api 的文档就在那里，每个函数上方都有注释。

对于初学者：

• 包括 baseapi.h &构造 TessBaseAPI 对象
• 调用 Init()
• 一些可选的，比如
  • 使用 SetVariable() 函数更改一些参数。如果使用 PrintVariables() 函数将所有参数及其值打印到文件中，您就可以看到它们。
  • 使用SetPageSegMode()更改分段模式。告诉 tesseract 您要 OCR 的图像代表什么 - 文本块或行、单词或字符。
• SetImage()
• GetUTF8Text()

（同样，这仅适用于初学者。）

您可以检查 tesseract 的社区以获取已回答的问题或提出您自己的 此处。

Answer 2

我正在深入研究它..到目前为止我已经为其生成了 DoxyGen 代码..这很有帮助。尽管如此，仍在阅读所有文档。

一些对我有帮助的链接：

• Google 开发小组充满了来自绝望开发者的损坏示例
• 一个稍微旧的（v2.0）黑客tesseract如何

任何我从谷歌下载的svn代码：http://code.google.com/p/tesseract-ocr/

制作并安装它，然后使用 doxygen 生成我自己的 API 参考文档。非常有用。

我这样做的方式是：

1. 我使用“make install”并将一些内容放入 /usr/include/tesseract
2. 我将该目录复制到我的主目录
3. doxygen -g doxygen.conf; # 生成 doxygen 文件
4. 浏览它生成的文件并设置输出目录和项目名称或其他内容。我使用“doxy-dox”作为输出目录
5. doxygen -g doxygen.conf
6. chromium-browser chromium-browser doxy-doc/html/index.html

希望能有所帮助。

Answer 3

Marko，我尝试使用 Tesseract 编写一个快速的 C++ 应用程序，但遇到了同样的问题。

简而言之，我发现它与一些小示例/文档令人困惑，但我并没有对产品提出过错，哎呀，它是开源的，贡献者可能对改进它比营销更感兴趣。

您可以尝试查看源代码，可能花时间可能会得到理解，但我完全可以理解您的挫败感。

祝你好运！

Answer 4

我发现，如果您使用的是 Visual Studios 2010 并使用 Windows 窗体/设计器，您可以通过这种方式轻松添加它，没有任何问题

1. 将以下项目添加到您的项目中（我警告您一次，不要添加tesseract 解决方案，或更改您添加的项目中的任何设置，除非您爱恨自己）

   ccmain
   结构体
   库蒂尔
   分类
   立方体
   库蒂尔
   词典
   图像
   自由正方体
   自然网络
   文本索德
   观众
   wordrec

您可以添加其他内容，但您并不真的希望将所有内容内置到您的项目中，对吗？ naaa，分别构建这些

1. 转到您的项目属性并添加 libtesseract 作为参考，您现在可以将其作为项目可见，这将使您的项目快速构建，而无需检查 tesseract 中的数百万个警告。 [通用属性]->[添加引用]

2. 在解决方案资源管理器中右键单击您的项目，然后单击项目依赖项，确保它依赖于 libtesseract 甚至全部，这只是意味着它们在您的项目之前构建。< /p>

3. tesseract 2010 Visual Studio 项目包含许多配置设置，又名release、release.dll、debug、debug.dll，似乎release.dll 设置生成了正确的文件。首先，将解决方案输出设置为release.dll。单击您的项目属性。然后单击配置管理器。如果该选项不可用，请执行此操作，单击解决方案树中的解决方案属性，然后单击配置选项卡，您将看到项目列表和关联的配置设置。您会注意到您的项目未设置为release.dll，即使输出是。如果您选择第二条路线，您仍然需要单击配置管理器。然后您可以编辑设置，在项目设置上单击“新建”并将其命名为release.dll...与其余部分完全相同，然后从release 复制设置。对“调试”执行相同的操作，以便获得从调试设置复制的 debug.dll 名称。哇…快完成了

4. 不要尝试更改超正方体设置以匹配您的设置...这不会起作用...并且当新版本发布时，您将无法“将其扔进去”并去。接受这样一个事实：在这种状态下，您的新模式是 Release.dll 和 Debug.dll。不要紧张...您可以在完成后返回并从您的解决方案中删除项目。

5. 猜猜库和 dll 是从哪里出来的？在您的项目中，您可能需要也可能不需要添加库目录。有些人说将所有标头转储到一个文件夹中，这样他们只需将一个文件夹添加到包含中，但我不需要。我希望能够删除 tesseract 文件夹并从 zip 中重新加载它，而无需额外的工作......并且完全准备好一次性更新或在我弄乱了代码时恢复它。这需要一些工作，您可以使用代码而不是设置来完成它，这就是我的做法，但是您应该将所有包含头文件的文件夹包含在 2010 tesseract 项目文件夹中，并保留它们。

6. 无需向您的项目添加任何文件。只是这些代码行......我已经包含了一些额外的代码，可以将一个外部数据集转换为 tiff 友好版本，无需保存/加载文件。我不是很好吗？

7. 现在您可以在debug.dll和release.dll中进行完全调试，一旦您成功地将其构建到您的项目中，即使您可以删除所有添加的项目，它也会变得完美。没有额外的编译或错误。完全可调试，一切自然。

8. 如果我没记错的话，我无法回避这样的事实：我必须将 2008/lib/ 中的文件复制到我的项目发布文件夹中......该死。

在我的项目“functions.h”中，我将其放入

#pragma comment (lib, "liblept.lib" )
#define _USE_TESSERACT_
#ifdef _USE_TESSERACT_
#pragma comment (lib, "libtesseract.lib" )
#include <baseapi.h>
#endif
#include <allheaders.h>

主项目中，将其作为成员放入类中：

tesseract::TessBaseAPI *readSomeNombers;

当然，我在某处包含“functions.h”

，然后将其放入类构造函数中：

readSomeNombers = new tesseract::TessBaseAPI();
readSomeNombers ->Init(NULL, "eng" );
readSomeNombers ->SetVariable( "tessedit_char_whitelist", "0123456789,." );

然后我创建了这个类成员函数：还有一个类成员作为输出，不要讨厌，我不喜欢返回变量。不是我的风格。当在成员函数中使用这种方式时，像素的内存不需要被销毁，我相信并且我的测试表明这是调用这些函数的安全方法。但无论如何，你可以做任何事。

void Gaara::scanTheSpot()
{
    Pix *someNewPix;
    char* outText;
    ostringstream tempStream;
    RECT tempRect;
    someNewPix = pixCreate( 200 , 40 , 32 );
    convertEasyBmpToPix( &scanImage, someNewPix, 87, 42 );

    readSomeNombers ->SetImage(someNewPix);
    outText = readSomeNombers ->GetUTF8Text();
    tempStream.str("");
    tempStream << outText;
    classMemeberVariable = tempStream.str();
//pixWrite( "test.bmp", someNewPix, IFF_BMP );
}

具有我要扫描的信息的对象位于内存中，并由 &scanImage 指向。它来自“EasyBMP”库，但这并不重要。

我在“functions.h”/“functions.cpp”中的函数中处理它
顺便说一句，当我在循环中时，我在这里做了一些额外的处理，即细化字符并使其变为黑白以及反转黑白，这是不必要的。在我发展的这个阶段，我仍在寻找提高认知度的方法。尽管对于我的建议来说，这还没有产生不良数据。为了简单起见，我的观点是使用默认的 Tess 数据。我正在试探性地解决一个非常复杂的问题。

void convertEasyBmpToPix( BMP *sourceImage, PIX *outputImage, unsigned startX, unsigned startY )
{
    int endX = startX + ( pixGetWidth( outputImage ) );
    int endY = startY + ( pixGetHeight( outputImage ) );
    unsigned destinationX;
    unsigned destinationY = 0;
    for( int yLoop = startY; yLoop < endY; yLoop++ )
    {
        destinationX = 0;
        for( int xLoop = startX; xLoop < endX; xLoop++ )
        {
            if( isWhite( &( sourceImage->GetPixel( xLoop, yLoop ) ) ) )
            {
                pixSetRGBPixel( outputImage, destinationX, destinationY, 0,0,0 );
            }
            else
            {
                pixSetRGBPixel( outputImage, destinationX, destinationY, 255,255,255 );
            }
            destinationX++;
        }
        destinationY++;
    }
}
bool isWhite( RGBApixel *image )
{
    if(
        //destination->SetPixel( x, y, source->GetPixel( xLoop, yLoop ) );
        ( image->Red   < 50 ) ||
        ( image->Blue  < 50 ) ||
        ( image->Green < 50 )
        )
    {
        return false;
    }
    else
    {
        return true;
    }
}

我不喜欢的一件事是我在函数外部声明像素大小的方式。看来，如果我尝试在函数内执行此操作，我会得到意想不到的结果......如果在内部分配内存，那么当我离开时，内存就会被破坏。

谷歌邮箱
当然不是我最优雅的作品，但为了简单起见，我也把它去掉了。我不知道为什么我要费心分享这个。我应该把它留给自己。
我叫什么名字？ Kage.Sabaku.No.Gaara

在我放你走之前，我应该提到我的 Windows 窗体应用程序和默认设置之间的细微差别。即我使用“多字节”字符集。项目属性......等等......给狗一根骨头，也许投票？

pps 我不想这么说，但我对 host.c 做了一处更改，如果你使用 64 位，你也可以做同样的事情。否则你就得靠自己了……但我的理由有点疯狂，你不必这么做

typedef unsigned int uinT32;
#if (_MSC_VER >= 1200)            //%%% vkr for VC 6.0
typedef _int64 inT64;
typedef unsigned _int64 uinT64;
#else
typedef long long int inT64;
typedef unsigned long long int uinT64;
#endif                           //%%% vkr for VC 6.0
typedef float FLOAT32;
typedef double FLOAT64;
typedef unsigned char BOOL8;

Answer 5

如果您使用 Windows 10，则有 OCR API。无需安装任何东西。

这些东西很难做好。该文档非常不容易使用。

但我做对了。

这是一个使用 Windows 10 OCR 引擎 API 的简单函数：

// For the Windows 10 OCR API
#include "winrt/Windows.Storage.Streams.h"
#include "winrt/Windows.Graphics.Imaging.h"
#include "winrt/Windows.Media.Ocr.h"
#include "winrt/Windows.Networking.Sockets.h"
#include "winrt/Windows.Globalization.h"
#pragma comment(lib, "pathcch")
#pragma comment(lib,"windowsapp.lib")

std::string ExtractTextFromImage(byte* pixels, int xSize, int ySize)
{
    using namespace winrt;

    Windows::Globalization::Language lang = Windows::Globalization::Language(L"en");
    Windows::Media::Ocr::OcrEngine engine = Windows::Media::Ocr::OcrEngine::TryCreateFromLanguage(lang);
    //OcrEngine engine = OcrEngine::TryCreateFromUserProfileLanguages();


    int pixels_size = xSize * ySize * 4;

    Windows::Storage::Streams::InMemoryRandomAccessStream stream = { 0 };
    Windows::Storage::Streams::DataWriter writer(stream);


    array_view<const byte> bytes(pixels, pixels + pixels_size);

    writer.WriteBytes(winrt::array_view<const byte>(bytes));

    Windows::Storage::Streams::IBuffer buffer = writer.DetachBuffer();



    Windows::Graphics::Imaging::SoftwareBitmap bitmap = Windows::Graphics::Imaging::SoftwareBitmap::CreateCopyFromBuffer
    (
        buffer,
        Windows::Graphics::Imaging::BitmapPixelFormat::Bgra8,
        xSize,
        ySize
    );

    Windows::Media::Ocr::OcrResult result = engine.RecognizeAsync(bitmap).get();
    std::string output = winrt::to_string(result.Text());

    bitmap.Close();
    writer.Close();



    return output;
}