Qt+Tesseract实现文字识别

Tesseract 的介绍可以参考我的这篇博客：Windows下Tesseract-OCR的安装与使用

上面博客安装的是软件，只能通过命令行来识别，不能调用其代码 API，有很大的局限性，下面讲解通过 Tesseract API 的方式，与 Qt 配合实现一个简单的图片文字识别程序。

一、Tesseract API的介绍和使用准备

1.1 Tesseract API的基本概念

Tesseract API 是 Tesseract OCR 引擎的编程接口，允许开发者在自己的应用程序中集成文字识别功能。它支持多种编程语言，包括但不限于 C++、C#、Python 等。通过 API，用户可以执行包括图片上传、图像预处理、文字识别和结果处理等在内的操作。

Tesseract API的主要组件包括：

Tesseract::TessBaseAPI : 这是一个基本的 OCR 类，提供了几乎所有的 OCR 操作接口。
TessBaseAPISetImage : 用于设置要识别的图像。
TessBaseAPIRecognize : 用于执行识别操作。
TessBaseAPIGetUTF8Text : 用于获取识别结果。

1.2 Tesseract API的使用说明

tesseract 提供了丰富的 C++ 接口，方便开发者进行调用。下面介绍一些主要的接口及其使用说明。

tesseract::TessBaseAPI 类：这是 tesseract 的核心类，提供了文字识别的主要功能。
构造函数：tesseract::TessBaseAPI()，创建一个 TessBaseAPI 对象。

Init 方法

Init 方法：用于初始化 tesseract 引擎。其原型为：

int Init(const char* datapath, const char* language, OcrEngineMode oem = OEM_DEFAULT);

datapath 是语言数据包所在的目录，如果为 NULL，则使用默认目录；
language 是要识别的语言，如 “eng” 表示英文，“chi_sim” 表示简体中文；oem是 OCR 引擎模式，默认使用 OEM_DEFAULT。

调用方法如下：

tesseract::TessBaseAPI tess;
if (tess.Init(NULL, "chi_sim+eng") != 0) {
    qDebug() << "无法初始化tesseract引擎！";
    return -1;
}

上述代码就是初始化 Tesseract 引擎，并设置支持简体中文和英文识别。

SetImage 方法

SetImage 方法：设置要识别的图像。其原型有多种，常用的有：

void SetImage(const unsigned char* imagedata, int width, int height, int bytes_per_pixel, int bytes_per_line);

imagedata 是图像数据的指针；
width 和 height 是图像的宽度和高度；
bytes_per_pixel 是每个像素的字节数，如灰度图像为 1，RGB 图像为 3；
bytes_per_line 是每行图像的字节数。

调用方法如下（结合 OpenCV）：

cv::Mat image = cv::imread("test.png");
if (image.empty()) {
    qDebug() << "无法读取图像！";
    return -1;
}
tess.SetImage(image.data, image.cols, image.rows, image.channels(), image.step);

代码中将 OpenCV 读取的图像设置为 Tesseract 要识别的图像。

GetUTF8Text 方法

GetUTF8Text 方法：获取识别到的 UTF-8 编码的文本。其原型为：

char* GetUTF8Text();

调用如下：

char* outText = tess.GetUTF8Text();
qDebug() << "识别结果：" << QString(outText);
delete[] outText; // 注意释放内存

End 方法

End方法：释放 tesseract 引擎占用的资源。其函数原型为：

void End();

在程序结束时，调用该方法释放资源。

SetPageSegMode 方法

SetPageSegMode 方法：设置页面分割模式，用于指定 tesseract 如何分割图像中的文字区域。例如：

tess.SetPageSegMode(tesseract::PSM_AUTO); // 自动页面分割模式

SetVariable 方法

SetVariable 方法：设置 tesseract 的一些变量参数，以调整识别效果。例如：

tess.SetVariable("tessedit_char_whitelist", "0123456789"); // 只识别数字

二、开发环境搭建

2.1 编译 Tesseract 动态库

我这里没有自己编译 Tesseract 动态库，而是网上下载已经通过源码编译好的库（windows64位的版本）。

当然你也可以在 GitHub 上找到 Tesseract 的开源项目下载源码自己编译，可以使用 VS、vcpkg、CMake 等方式进行编译。

库下载地址： https://pan.baidu.com/s/1RPYJt2FV3PODw5aJ83BmBQ?pwd=8888 （提取码: 8888）

2.2 配置对应的 MSVC 编译器

这个库如果要在 Qt Creator 上运行，创建的 Qt 工程需要安装配置好对应的 MSVC 编译器，详细过程这里不再赘述，可以参考我的另一篇博客：QtCreator安装配置MSVC编译器

三、使用Tesseract进行简单的文字识别

（1）新建一个工程，使用配置好的 MSVC 编译器，在 .pro 文件中添加下面四个语句：

#配置Tesseract库路径
INCLUDEPATH += E:\Technology\tesseracte_lib\tesseract_x64-windows\include
LIBS+= E:\Technology\tesseracte_lib\tesseract_x64-windows\lib\tesseract41.lib
#配置Leptonica库路径
INCLUDEPATH += E:\Technology\tesseracte_lib\leptonica_x64-windows\include
LIBS+= E:\Technology\tesseracte_lib\leptonica_x64-windows\lib\leptonica-1.78.0.lib

其中，INCLUDEPATH 指定了头文件的所在目录，LIBS 指定了库文件的所在目录以及需要链接的库文件。需要根据实际的 Tesseract 和 Leptonica 安装路径和版本进行修改。

另外介绍下 Leptonica，其是一个图像处理库，Tesseract OCR 依赖于 Leptonica 进行图像处理。

（2）导入头文件（最重要的是最下面的两个 <tesseract/baseapi.h> 和<tesseract/strngs.h>）。使用刚才下载的路径导入即可：

#include <tesseract/baseapi.h>
#include <leptonica/allheaders.h>

（3）代码编写，先不使用 Qt 编写界面，纯 C++ 实现一下文字识别功能，main.cpp 改为：

#include <tesseract/baseapi.h>
#include <leptonica/allheaders.h>

int main() {
    // 初始化Tesseract API
    tesseract::TessBaseAPI *ocr = new tesseract::TessBaseAPI();

    // 初始化API，路径设置为tessdata目录的位置
    if (ocr->Init(NULL, "eng")) {
        fprintf(stderr, "Could not initialize tesseract.\n");
        return 1;
    }

    // 打开一个包含文字的图像文件
    Pix *image = pixRead("E:\\Learn\\learnGit\\untitled2\\ditto.png");
    ocr->SetImage(image);

    // 获取识别出的文本
    char *text = ocr->GetUTF8Text();
    printf("识别出的文本: %s\n", text);

    // 清理内存
    delete [] text;
    pixDestroy(&image);
    ocr->End();

    return 0;
}

注意：

要使用 MSVC 的 Release 方式编译运行；
要打开的图片文件路径要是绝对路径，而不能是相对路径，否则会打不开图片文件而报错；

（4）将 tesseracte_lib\tesseract_x64-windows\tools\tesseract 目录下的全部文件复制到可执行程序的同级目录下，否则运行后程序会马上终止运行。拷贝后的可执行文件目录图如下所示：

（5）然后可以正常运行识别出了图片文字。运行效果图如下：

四、Qt + Tesseract 实现文字识别界面

这里使用 Qt 编写一个包含 "打开图片" 按钮，选择要识别的图片文件，用标签显示打开的图片，然后使用 Tesseract 文字识别，将识别后的字符串显示在编辑框中。

main.cpp

#include "widget.h"

#include <QApplication>

int main(int argc, char *argv[])
{
    QApplication a(argc, argv);
    Widget w;
    w.show();
    return a.exec();
}

widget.h

#ifndef WIDGET_H
#define WIDGET_H

#include <QWidget>
#include <QLabel>
#include <QPushButton>
#include <QTextEdit>
#include <QFileDialog>
#include <QVBoxLayout>
#include <QTextCodec>
#include <QDebug>

#include <tesseract/baseapi.h>
#include <leptonica/allheaders.h>

class Widget : public QWidget
{
    Q_OBJECT

public:
    Widget(QWidget *parent = nullptr);
    ~Widget();

private:
    QLabel *m_pLabImgBasic; // 基本操作图像Widget
    QPushButton *m_pBtnOpen; // 打开图片按钮
    QTextEdit *m_pEditOcr; // 显示OCR识别出字符串的编辑框
};
#endif // WIDGET_H

widget.cpp

#include "widget.h"

Widget::Widget(QWidget *parent) : QWidget(parent)
{
    // 界面初始化
    this->setFixedSize(800, 600);
    this->setAttribute(Qt::WA_StyledBackground); // 不继承父窗口样式

    // 基本操作图像Widget
    m_pLabImgBasic = new QLabel;
    m_pLabImgBasic->setFixedSize(640, 360);
    m_pLabImgBasic->setStyleSheet("QLabel{border: 1px solid green;}");

    // 打开图片
    m_pBtnOpen = new QPushButton;
    m_pBtnOpen->setFixedSize(100, 30);
    m_pBtnOpen->setText(tr("Open"));

    // 显示OCR识别出字符串的编辑框
    m_pEditOcr = new QTextEdit;

    // 图像控件布局
    QVBoxLayout *pLayoutImage = new QVBoxLayout;
    pLayoutImage->addStretch();
    pLayoutImage->addWidget(m_pLabImgBasic);
    pLayoutImage->addSpacing(12);
    pLayoutImage->addWidget(m_pEditOcr);
    pLayoutImage->addStretch();
    pLayoutImage->setAlignment(Qt::AlignHCenter);
    pLayoutImage->setMargin(0);

    // 主布局
    QHBoxLayout *pLayoutMain = new QHBoxLayout(this);
    pLayoutMain->addStretch();
    pLayoutMain->addLayout(pLayoutImage);
    pLayoutMain->addStretch();
    pLayoutMain->addWidget(m_pBtnOpen);
    pLayoutMain->addStretch();
    pLayoutMain->setSpacing(0);
    pLayoutMain->setMargin(0);


    // 打开图片按钮-信号槽
    connect(m_pBtnOpen, &QPushButton::clicked, [=]{
        // 图片文件对话框（打开中文图片）
        QString imagePath = QFileDialog::getOpenFileName(this, tr("Image Dialog"), "F:",tr("Image file(* png * jpg)"));
        // 标签显示图片
        QPixmap pixmap = QPixmap(imagePath);
        pixmap = pixmap.scaled(m_pLabImgBasic->size(), Qt::KeepAspectRatio, Qt::SmoothTransformation); // 自适应图片大小
        m_pLabImgBasic->setPixmap(pixmap);

        // 初始化Tesseract API
        tesseract::TessBaseAPI *ocr = new tesseract::TessBaseAPI();

        // 初始化API，路径设置为tessdata目录的位置（这里使用中文语言包）
        if (ocr->Init("E:/Technology/tesseracte_lib/tessdata", "chi_sim")) {
            fprintf(stderr, "Could not initialize tesseract.\n");
            return;
        }

        // 转码
        QTextCodec *code = QTextCodec::codecForName("GB2312");
        std::string str = code->fromUnicode(imagePath).data();

        // 打开一个包含文字的图像文件
        Pix *image = pixRead(str.c_str());
        ocr->SetImage(image);

        // 获取识别出的文本
        char *text = ocr->GetUTF8Text();
        qDebug() << text;

        // 显示在编辑框中
        m_pEditOcr->setText(QString(text));

        // 清理内存
        delete [] text;
        pixDestroy(&image);
        ocr->End();
    });
}

Widget::~Widget()
{

}

运行后的效果图如下所示：

然后点击 Open 按钮打开图片，等待一会儿文字识别成功后的效果图如下：

posted @ 2025-08-21 18:25 fengMisaka 阅读(9) 评论(0) 收藏举报

刷新页面返回顶部

fengMisaka