C#使用Tesseract C++ API过程记录

news/2024/12/27 19:47:52/文章来源:https://www.cnblogs.com/mingupupu/p/18636610

Tesseract

Tesseract 是一个开源的光学字符识别（OCR）引擎，最初由 Hewlett-Packard（惠普）实验室开发，后来由 Google 收购并继续维护和开源贡献。Tesseract 可以识别多种语言的文字，广泛应用于将图片或扫描文档中的文本内容转换成可编辑的文本格式。随着深度学习技术的发展，Tesseract 也整合了基于深度神经网络的 OCR 模型，提升其识别准确率，特别是对于复杂排版和手写体的识别效果有所改善。

Tesseract 适合开发人员和研究人员使用，可以嵌入到各种应用中，比如文档数字化、图像处理软件、内容管理系统等。它支持命令行操作，也提供了丰富的 API 接口，支持 C++、Python、Java、Node.js 等多种编程语言，便于集成和调用。Tesseract 的核心功能包括文本检测、字符识别和后处理纠错，能够处理多种图像输入格式，输出包括纯文本、HOCR（HTML + OCR）格式、PDF 等多种格式。Tesseract 的高灵活性和强大的识别能力使其成为 OCR 领域中非常受欢迎的工具之一。

GitHub地址：https://github.com/tesseract-ocr/tesseract

image-20241227152937200

Tesseract提供了丰富的 API 接口，支持 C++、Python、Java、Node.js 等多种编程语言，没有C#的，实际上已经有大佬做了C#的封装了，并提供了一个示例项目，需要只是简单使用一下，用这个大佬的就很方便了。

感兴趣的可以瞧瞧：

项目GitHub地址：https://github.com/charlesw/tesseract

image-20241227153302569

示例GitHub地址：https://github.com/charlesw/tesseract-samples

image-20241227153437445

但这不是我们今天的主题，现在还处于学习阶段，能直接使用大佬的库确实很方便，但是如果自己能够知道大佬是怎么实现的，那不是也很酷吗？

实现的方式与大佬项目的方式是类似的，如下所示：

image-20241227153822517

需要依赖leptonica-1.82.0.dll与tesseract50.dll，然后通过DllImport导入其中的C++函数。

已经有现成的库了为什么不直接使用呢？

第一，项目中可能只需要用到Tesseract的几个C++ API而已，直接引用一大堆东西没有必要。第二，学习阶段，以自己学习掌握技能为主，自己先掌握了这项技能，然后偷懒了直接使用大佬的库也不迟。

Windows编译Tesseract

首先我们需要先在Windows上编译Tesseract，官方文档有一些介绍，文档地址：https://tesseract-ocr.github.io/tessdoc/Compiling.html。

查看文档之后，我使用这种方式：

image-20241227154722530

先来简单介绍一下vcpkg。

vcpkg

vcpkg是一个用来管理C++库的跨平台包管理工具，由微软开发并维护，旨在帮助开发者简化第三方库的集成和使用过程。vcpkg通过提供预编译的二进制包和源代码，使开发者能够在Windows、Linux和macOS等操作系统上轻松安装和管理C++库。它支持多种编译器，包括Visual Studio、GCC和Clang。vcpkg的使用非常简单，只需要下载并安装，然后通过命令行工具指定要安装的库名，vcpkg会自动下载、编译并安装所需的库及其依赖项。此外，vcpkg还具有版本控制功能，能够方便地切换库的不同版本。它对于提升开发效率、保持项目的一致性以及解决跨平台开发中的库兼容性问题非常有帮助。许多开源项目和商业软件都选择使用vcpkg来管理和分发依赖库。

使用vcpkg安装Tesseract

git clone https://github.com/microsoft/vcpkg.git

cd vcpkg; .\bootstrap-vcpkg.bat

vcpkg install tesseract:x64-windows

安装完成：

image-20241226105928367

vcpkg integrate install

image-20241226110526085

为这个 vcpkg 根目录应用了全局用户集成。 CMake 项目应使用："-DCMAKE_TOOLCHAIN_FILE=D:/Learning/vcpkg/scripts/buildsystems/vcpkg.cmake"

现在所有 MSBuild C++ 项目都可以 #include 任何已安装的库。链接将会自动处理。安装新库后，它们将立即可用。

vcpkg list

image-20241226110859781

新建一个C++项目使用Tesseract C++ API

我写了两个简单的函数用于测试。

头文件：

#pragma once
extern "C" __declspec(dllexport) char* getChineseText(const char* imagePath);
extern "C" __declspec(dllexport) char* getEnglishText(const char* imagePath);
extern "C" __declspec(dllexport) void freeMemory(char* ptr);

源文件：

#include <tesseract/baseapi.h>
#include <leptonica/allheaders.h>
#include "test.h"
#include <iostream>void windows_cmd_support_utf8(void)
{system("chcp 65001 & cls"); //cls 用来清除 chcp 的输出
}char* getEnglishText(const char* imgPath) {tesseract::TessBaseAPI* api = new tesseract::TessBaseAPI();if (api->Init(NULL, "eng")) {fprintf(stderr, "Could not initialize tesseract.\n");delete api;return nullptr;}Pix* image = pixRead(imgPath);if (!image) {fprintf(stderr, "Could not read image file.\n");api->End();delete api;return nullptr;}api->SetImage(image);char* outText = api->GetUTF8Text();if (!outText) {fprintf(stderr, "OCR failed.\n");api->End();pixDestroy(&image);delete api;return nullptr;}api->Clear();api->End();delete api;pixDestroy(&image);return outText;
}char* getChineseText(const char* imgPath) {tesseract::TessBaseAPI* api = new tesseract::TessBaseAPI();if (api->Init(NULL, "chi_sim")) {fprintf(stderr, "Could not initialize tesseract.\n");delete api;return nullptr;}Pix* image = pixRead(imgPath);if (!image) {fprintf(stderr, "Could not read image file.\n");api->End();delete api;return nullptr;}api->SetImage(image);char* outText = api->GetUTF8Text();if (!outText) {fprintf(stderr, "OCR failed.\n");api->End();pixDestroy(&image);delete api;return nullptr;}api->Clear();api->End();delete api;pixDestroy(&image);return outText;
}void freeMemory(char* ptr) {delete[] ptr;
}int main()
{ const char* imgPath = "D:\\SemanticKernel-Test2.png";  // 替换为你的图像文件路径const char* imgPath2 = "D:\\test666.png";  // 替换为你的图像文件路径// 第一次调用char* result1 = getChineseText(imgPath);windows_cmd_support_utf8();std::cout << "OCR Result 1: " << result1 << std::endl;// 第二次调用char* result2 = getChineseText(imgPath2);std::cout << "OCR Result 2: " << result2 << std::endl;// 释放内存//freeMemory(result1);//freeMemory(result2);return 0;  // 程序正常结束}

注意📍📍📍

先将项目配置成X64:

image-20241227160709604

现在运行项目，会出现一个错误，因为并没有包含tessdata。

tessdata 是 Tesseract OCR 引擎使用的一种数据文件格式，用于存储语言模型和字符识别数据。Tesseract 通过加载这些数据文件来实现对不同语言文字的识别。每个语言都有一套对应的 tessdata 文件，通常命名为 lang.traineddata，其中 lang 是语言的缩写（例如，eng 表示英语，chi_sim 表示简体中文）。

tessdata的GitHub地址：https://github.com/tesseract-ocr/tessdata

image-20241227185027622

也可以看我后面分享的GitHub，一般只要中英文就可以了，如下所示：

image-20241227185504978

将tessdata文件夹放在x64的Debug目录下即可。

先测试中文识别效果：

测试图片1

测试图片2

查看效果：

image-20241227155928432

注意📍📍📍

如果不加上windows_cmd_support_utf8();

就会出现乱码，如下所示：

image-20241227160300511

并不是Tesseract识别中文效果不好，只是控制台默认没支持utf-8罢了。

再来测试一下英文：

测试图片1

测试图片2

效果如下所示：

image-20241227190017513

生成DLL

测试没有问题之后，现在需要生成DLL文件。

右键项目，点击属性，设置配置类型为DLL：

image-20241227190254191

生成解决方案之后，如下所示：

image-20241227190504150

这里需要搞清楚的是为什么头文件不用std::string而是char*呢？

#pragma once
extern "C" __declspec(dllexport) char* getChineseText(const char* imagePath);
extern "C" __declspec(dllexport) char* getEnglishText(const char* imagePath);
extern "C" __declspec(dllexport) void freeMemory(char* ptr);
  • extern "C"：这告诉编译器这些函数应该按照C语言的方式进行链接，而不是C++的方式。这样可以确保这些函数在C语言中也可以被正确调用。
  • 简单的说std::string不是C语言风格的，所以不行。

在C#项目中调用C++ DLL

新建一个C#控制台项目用于测试。

测试代码如下：

using System.Runtime.InteropServices;class Program
{[DllImport("TesseractApiTest.dll", CallingConvention = CallingConvention.Cdecl, CharSet = CharSet.Ansi)]public static extern IntPtr getEnglishText(string imagePath);[DllImport("TesseractApiTest.dll", CallingConvention = CallingConvention.Cdecl, CharSet = CharSet.Ansi)]public static extern IntPtr getChineseText(string imagePath);static void Main(){string imagePath = @"D:\SemanticKernel-Test2.png";// 调用 DLL 中的函数IntPtr resultPtr = getChineseText(imagePath);if (resultPtr == IntPtr.Zero){return;}string? result = Marshal.PtrToStringUTF8(resultPtr);return; ;}
}

将项目设置成X64平台，将C++项目的所有输出文件，复制到X64的输出目录这里，如下所示：

image-20241227191524217

为了避免太混乱，本来想新建一个Libs文件夹，在放这些文件，在设置为嵌入的资源与如果较新就复制，但是就调用不了了，暂时没有解决，只能这样一堆放在这里了。

效果如下：

image-20241227191730397

这里需要注意一下，为什么是

  [DllImport("TesseractApiTest.dll", CallingConvention = CallingConvention.Cdecl, CharSet = CharSet.Ansi)]public static extern IntPtr getEnglishText(string imagePath);

而不是

  [DllImport("TesseractApiTest.dll", CallingConvention = CallingConvention.Cdecl, CharSet = CharSet.Ansi)]public static extern string getEnglishText(string imagePath);

在C#中直接使用 string 作为返回类型并不适用于从C++导出的函数，尤其是当该函数返回的是一个 char* 类型的指针时。原因在于 char* 是一个指向C风格字符串的指针，而C#中的 string 类型与C风格字符串并不直接兼容。C#的 string 类型是一个托管的字符串对象，而 char* 是一个非托管的指针，直接进行转换会导致运行时错误或无法预期的行为。

使用 IntPtr 作为返回类型可以解决这个问题，因为 IntPtr 是一个可以表示非托管指针的类型。你可以通过 Marshal 类将 IntPtr 转换为C#中的 string。这样可以确保你在C#中能够正确处理C++函数返回的字符串指针。

TesseractOCR-GUI中集成

之前跟大家分享的TesseractOCR-GUI需要在电脑上安装Tesseract才能用，因为只是简单的对Tesseract的命令行使用做了封装，现在通过这种方法，不需要安装Tesseract也能使用了。

GitHub地址：https://github.com/Ming-jiayou/TesseractOCR-GUI。

image-20241227192409247

git clone到本地，然后将平台设置成X64，先生成解决方案，然后将Libs文件夹下的内容，全部复制到x64的输出目录，如下所示：

image-20241227192607954

image-20241227192639528

现在直接点击应该就可以使用了：

image-20241227192803222

效果如下所示：

image-20241227193007146

速度还是很快的，目前为止我们尝试了TesseractOCR、PaddleOCR、VLM，其中TesseractOCR我感觉是最快的。

以上就是本期的分享内容，希望对你有所帮助。

推荐阅读：

C#调用C++代码，以OpenCV为例

C#调用Python脚本的方式（一），以PaddleOCR-GUI为例

C#调用Python代码的方式（二），以PaddleOCR-GUI为例

VLM-OCR-Demo：一个使用VLM用于OCR任务的示例

TesseractOCR-GUI：基于WPF/C#构建TesseractOCR简单易用的用户界面

使用Tesseract进行图片文字识别

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/860005.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

[攻防世界]信号不好先挂了

[攻防世界]信号不好先挂了

[攻防世界]信号不好先挂了[攻防世界]信号不好先挂了 分析 又是图片隐写我也先挂了…… 解题save bin 保存后的zip还需要修复一下才能解压缩……怎么里面又是这张图片 Misc隐写术 - Scr1pt? - 博客园两张一样图片还可在stegslove合成图片 用BlindWaterMark这个工具一直报错（麻…
阅读更多...
10. 组合框控件

10. 组合框控件

一、组合框控件组合框控件主要以列表形式为用户提供选择的项目，用户可以从中选择项。PySide6 中常用的列表类控件主要有 QComboBox（下拉组合框控件）、QFontComBox（字体组合框控件）。我们可以在终端中使用 pip 安装 pyside6 模块。 pip install pyside6二、下拉组合框控件下…
阅读更多...
git review错误： is not registered in your account, and you lack forge committer permission

git review错误： is not registered in your account, and you lack forge committer permission

肉眼看上去，远端的邮箱和自己输入的邮箱是一致的 罪魁祸首是 git commit --amend 里面的邮箱带了中文引号，导致本地和远端邮箱名称不一致 从git review 命令报错email address那一行的奇怪字符可以看出端倪如上图所示，引号不是标准的linux字符
阅读更多...
2.1基本选择器

2.1基本选择器

选择器： 作用:选择页面上的某一个或者某一类元素 2.1基本选择器:1.标签选择器:选择一类标签 2.类选择器 class:选中所有class属性一致的标签(可以跨标签) .class名称{} 3.id选择器:id全局唯一 #id名称{} 不遵循就近原则:id>class>标签
阅读更多...
痞子衡嵌入式：MCUXpresso for VS Code开发环境搭建及SDK工程导入

痞子衡嵌入式：MCUXpresso for VS Code开发环境搭建及SDK工程导入

大家好，我是痞子衡，是正经搞技术的痞子。今天痞子衡给大家介绍的是MCUXpresso for VS Code开发环境搭建及SDK工程导入。MCUXpresso IDE（包括其前身 LPCXpresso IDE、Kinetis Design Studio）是恩智浦软件团队持续开发了十多年的免费集成开发环境，现在功能已经相当完善，IDE…
阅读更多...
3.选择器

3.选择器

选择器： 作用:选择页面上的某一个或者某一类元素 3.1基本选择器:1.标签选择器:选择一类标签 2.类选择器 class:选中所有class属性一致的标签(可以跨标签) .class名称{} 3.id选择器:id全局唯一 #id名称{} 不遵循就近原则:id>class>标签
阅读更多...
2.CSS的三种导入方式

2.CSS的三种导入方式

1.标签内部 2.head里面 3.css文件 1.链接式:html2.导入式:CSS2.1特有 优先级:行内样式＞内部样式=外部样式(后导入的覆盖前导入的--就近原则)
阅读更多...
谷歌Pixel 2 刷安卓10系统 APatch获取Root权限

谷歌Pixel 2 刷安卓10系统 APatch获取Root权限

事前准备手机需要解Bootloader锁 , 打开OEM解锁,开启USB调试链接电脑下载Platform-Tools # 地址 https://developer.android.google.cn/tools/releases/platform-tools?hl=zh-cn检查是否需要需要安装Android驱动刷机下载先刷机包 https://developers.google.cn/android/image…
阅读更多...
六、汇编实战

六、汇编实战

打印：hello world 在屏幕上输出字符 mov dl,a ; 将要打印的字符放到dl中 mov ah, 02h ; 设置显示字符的功能号 int 21h ; 调用DOS中断，打印字符在屏幕上输出字符串 mov ah,09h ;设置显示字符串的功能号 int 21H …
阅读更多...
可信执行环境

可信执行环境

一、隐私计算与可信执行环境 1. 背景：随着云计算和大数据的普及，用户之间需要进行隐私数据的共享与协作，这些数据被上传到云端进行计算和处理。 但是，由于隐私数据交由不可信的第三方存储和管理，用户隐私数据面临被泄露的风险，公民的生命和财产安全乃至国家的安全都受到不…
阅读更多...
Foldermove 轻松地把电脑里的软件搬到另一个硬盘，甚至是U盘里

Foldermove 轻松地把电脑里的软件搬到另一个硬盘，甚至是U盘里

Foldermove 大家好，今天我要介绍一个超实用的小工具，它能让你轻松地把电脑里的软件搬到另一个硬盘，甚至是U盘里，听起来是不是很酷？ ●软件简介 软件名：FolderMove 体积：只有201kb，轻得像羽毛。 版本：v3.0 适用系统：Windows ●使用体验 这个小工具，体积小到几乎可以…
阅读更多...
ping 工具的使用

ping 工具的使用

一、ping基本使用详解在网络中ping是一个十分强大的TCP/IP工具。它的作用主要为：1、用来检测网络的连通情况和分析网络速度2、根据域名得到服务器IP3、根据ping返回的TTL值来判断对方所使用的操作系统及数据包经过路由器数量。 bytes值：数据包大小，也就是字节。 time值：响…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023