C#利用Tesseract进行OCR文字识别
安装Nuget包
Install-Package Tesseract
下载训练好的数据
下载地址:https://github.com/tesseract-ocr/tessdata/
简体中文下载:chi_sim.traineddata
创建tessdata文件夹
把前面下载好的chi_sim.traineddata文件放到tessdata文件夹里面
代码
private void OnSelectFile()
{
var dialog = new OpenFileDialog();
dialog.Filter = "所有文件(*.*)|*.*";
if (dialog.ShowDialog() == true)
{
var fileName = dialog.FileName;
var language = "chi_sim";
var engine = new TesseractEngine(FileSystemHelper.GetFullPath("tessdata"), language, EngineMode.Default);
using (var img = Pix.LoadFromFile(fileName))
{
using (var page = engine.Process(img))
{
RecognizedText = page.GetText();
MeanConfidence = page.GetMeanConfidence();
}
}
}
}
不过测试下来,识别率不是特别理想,不知道是不是训练数据的缘故。截屏下来的比较规则的文字也有很多错的。