设为首页收藏本站
开启辅助访问

创星网络[分享知识 传递快乐]

 找回密码
 立即注册

QQ登录

只需一步，快速开始

用新浪微博登录

只需一步，快速搞定

搜索
创星网络[分享知识 传递快乐] › 门户 ›未分类› 临时文档 › 查看内容

浅谈OCR之Tesseract

2012-8-8 12:50| 发布者: cryinglily| 查看: 621| 评论: 0|原作者: luinstein

摘要: 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 ...
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。

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：
[attach]404[/attach]
1.2、命令行工具解压缩后如下（不含1.jpg、1.txt）：
[attach]405[/attach]

1.3、为了进行中文OCR，将简体中文语言包复制到【tessdata】目录下：
[attach]406[/attach]

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：
[attach]407[/attach]

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：
[attach]408[/attach]

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。
[attach]409[/attach]

OCR结果：
[attach]410[/attach]

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：
[attach]411[/attach]

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;

  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;

  20.         public PanAndZoomViewer()
  21.         {
  22.             this.DefaultZoomFactor = 1.4;
  23.         }

  25.         public override void OnApplyTemplate()
  26.         {
  27.             base.OnApplyTemplate();
  28.             Setup(this);
  29.         }

  31.         void Setup(FrameworkElement control)
  32.         {
  33.             this.source = VisualTreeHelper.GetChild(this, 0) as FrameworkElement;

  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.         }

  49.         void source_KeyDown(object sender, KeyEventArgs e)
  50.         {
  51.             // hit escape to reset everything
  52.             if (e.Key == Key.Escape) Reset();
  53.         }

  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);

  64.         }

  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.         }

  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.         }


  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.         }


  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.         }


  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.         }

  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.         }

  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. }
复制代码
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="{Binding ElementName=img图片, Path=Width, Mode=TwoWay}" />

  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="{Binding ElementName=img图片, Path=Height, Mode=TwoWay}" />

  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="{Binding ElementName=img图片, Path=Opacity, Mode=TwoWay}" />

  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>

  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>
复制代码
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("."));

  8.             if (!Directory.Exists(System.Configuration.ConfigurationManager.AppSettings["tmpPath"]))
  9.             {
  10.                 Directory.CreateDirectory(System.Configuration.ConfigurationManager.AppSettings["tmpPath"]);
  11.             }

  13.             string Dir = System.Configuration.ConfigurationManager.AppSettings["tmpPath"];
  14.             v_strTmpPath = Dir + "\\" + fileName;

  16.             WebRequest myre = WebRequest.Create(URLAddress);
  17.             client.DownloadFile(v_strImgPath, v_strTmpPath);


  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.             //    }

  33.             //    startmbyte += m;
  34.             //    allmybyte -= m;
  35.             //}

  37.             //FileStream fstr = new FileStream(v_strTmpPath, FileMode.Create, FileAccess.Write);
  38.             //fstr.Write(mbyte, 0, startmbyte);
  39.             //str.Close();
  40.             //fstr.Close();
  41.         }
复制代码
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.         }
复制代码
2.6、测试本地图片：
[attach]412[/attach]

2.7、测试网络图片：
[attach]413[/attach]

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。

from:http://www.cnblogs.com/brooks-do ... /10/05/1844203.html


鲜花
握手
雷人
路过
鸡蛋
收藏 分享 邀请

相关分类

QQ|Archiver|手机版|小黑屋|创星网络 ( 苏ICP备11027519号 ) |网站地图  

GMT+8, 2025-2-23 01:16 , Processed in 0.056446 second(s), 16 queries .

Powered by Discuz! X3

© 2001-2013 Comsenz Inc.

返回顶部