tesseract-ocr 文字辨識

首先先感謝Google ~ 開放了這麼有趣又簡單操作工具

用Google用繁體搜尋 , 感覺台灣玩的有點不熱絡 , 讓我感覺有點失望的說

不過 tesseract-ocr 資料跟其他應用,還是不少的說

環境:

OS: Win 7 64

VC++ 2008

1.先到此網站下載 tesseract-ocr-setup-3.02.02.exe 安裝

https://code.google.com/p/tesseract-ocr/downloads/list

 2.

 

3.

4.

5.

 

6.

 

7.

 

8.

 

9.

 

10.

 

11.

 

12.

 

13.

 

14.

 

15.

 

16.  測試看看 tesseract-ocr 原本的自己exe檔案

 

 

17. 查看版本

 

18. 測試看看英文包

 

 19.測試看看中文包

 

20.用中文包來測試看看 ~ 英文跟中文夾雜的圖片 ~沒想到還可以測試成功

21.

API參考資料：

http://zdenop.github.io/tesseract-doc/index.html

簡單的程式碼：

#include <baseapi.h>
#include <allheaders.h>
#include <iostream>
#include <fstream>
#include <string>
using namespace std;
string UTF8ToBig5(const std::string& strUTF8);

int main(void){
  tesseract::TessBaseAPI api;
  api.Init("", "chi_tra", tesseract::OEM_DEFAULT);
  api.SetPageSegMode(static_cast<tesseract::PageSegMode>(7));
  api.SetOutputName("out");
  char image[256]="4.tif";
  PIX   *pixs = pixRead(image);
  STRING text_out;
  api.ProcessPages(image, NULL, 0, &text_out);
  FILE *output;
  output=fopen("test.txt","wb");
  fwrite( text_out.string(), 1, text_out.length(), output );
  fclose(output);
  string  Text01 = UTF8ToBig5(text_out.string());
  cout<<"輸出文字:"<<Text01.c_str()<<endl;
  system("pause");
}

string UTF8ToBig5(const std::string& strUTF8)
{
    int len = MultiByteToWideChar(CP_UTF8, 0, strUTF8.c_str(), -1, NULL, 0);
    unsigned short * wszBig5 = new unsigned short[len + 1];
    memset(wszBig5, 0, len * 2 + 2);
    MultiByteToWideChar(CP_UTF8, 0,LPCSTR(strUTF8.c_str()), -1, LPWSTR(wszBig5), len);
    len = WideCharToMultiByte(CP_ACP, 0,LPCWSTR(wszBig5), -1, NULL, 0, NULL, NULL);
    char *szBig5 = new char[len + 1];
    memset(szBig5, 0, len + 1);
    WideCharToMultiByte(CP_ACP,0, LPCWSTR(wszBig5), -1, szBig5, len, NULL, NULL);
    std::string strTemp(szBig5);
    delete[]szBig5;
    delete[]wszBig5;
    return strTemp;
}