[Tesseract]簡單數字識別，tesseract數字識別
圖像識別涉及的理論:傅裡葉變換,圖形形態學,濾波,矩陣變換等等.
Tesseract的出現為了解決在沒有這些復雜的理論基礎,快速識別圖像的框架.
准備:
1.樣本圖像學習,預處理 (平均每1個元素出現20次)
2.學習,初步識別
3.校正學習庫
測試:
1.待識別圖像,預處理
2.根據學習庫 識別
例子1:圖片反色
![]()
1 private static void Reverse(string fileName,string outName)
2 {
3 using (var pic = Image.FromFile(fileName) as Bitmap)
4 {
5 for (int i = 0; i < pic.Width; i++)
6 {
7 for (int j = 0; j < pic.Height; j++)
8 {
9 var c = pic.GetPixel(i, j);
10 c = Color.FromArgb(255 - c.R, 255 - c.G, 255 - c.B);
11 pic.SetPixel(i, j, c);
12 }
13 }
14 pic.Save(outName);
15 }
16 }
Reverse
例子2:取一個圖片的指定區域
![]()
1 private Image Analyse(string fileName)//為方便,方法參數沒有用Image
2 {
3 using (var map = Image.FromFile(fileName) as Bitmap)
4 {
5 if (map == null) return null;
6 Point p1;
7 Point p2;
8 var p = GetConfig(out p1, out p2);
9 var pic = new Bitmap(p.X, p.Y);
10 var x = 0;
11 var y = 0;
12 for (int i = 0; i < map.Height; i++)
13 {
14 if (i >= p1.Y && i <= p2.Y)
15 {
16 for (int j = 0; j < map.Width; j++)
17 {
18 if (j >= p1.X && j <= p2.X)
19 {
20 pic.SetPixel(x, y, map.GetPixel(j, i));
21 x++;
22 }
23 }
24 x = 0;
25 y++;
26 }
27 }
28 return pic;
29 }
30 }
31
32 private Point GetConfig(out Point p1, out Point p2)
33 {
34 var p1Str = ConfigurationManager.AppSettings["p1"].Split(',');
35 var p2Str = ConfigurationManager.AppSettings["p2"].Split(',');
36 p1 = new Point() { X = int.Parse(p1Str[0]), Y = int.Parse(p1Str[1]) };
37 p2 = new Point() { X = int.Parse(p2Str[0]), Y = int.Parse(p2Str[1]) };
38 return new Point() { X = p2.X - p1.X + 2, Y = p2.Y - p1.Y + 2 };
39 }
40
41
42 class Point
43 {
44 /// <summary>
45 /// 點的X坐標,或者寬度
46 /// </summary>
47 public int X { get; set; }
48 /// <summary>
49 /// 點的Y坐標,或者高度
50 /// </summary>
51 public int Y { get; set; }
52 }
Image Analyse(string fileName)
識別步驟:
1.將圖片轉成tif格式,通過jTessBoxEditor程序把所有tif圖片打包成1個tif圖片.
2.安裝tesseract-ocr-setup-3.01-1.exe(用安裝包版不需要配環境變量).
3.dos命令:輸入tesseract.exe {0}.tif {0} batch.nochop makebox生成box文件 ({0}為文件名)
4.dos命令:輸入tesseract.exe {0}.tif {0} nobatch box.train生成tr文件
5.dos命令:輸入unicharset_extractor.exe tj.box生成unicharset文件
6.同一目錄下新建一個文件font_properties無擴展名.寫入{0} 1 0 0 1 0
7.dos命令:輸入cntraining.exe {0}.tr
8.dos命令:輸入mftraining.exe -F font_properties -U unicharset {0}.tr
9.4個文件名加前綴:{0}. (1.有. 2.4個:unicharset inttemp normproto pfftable)
10:dos命令:combine_tessdata {0}.(合並所有文件,生成學習庫,{0}.traineddata)
代碼步驟:
1.解壓tesseractdotnet_v301_r590.zip,添加tesseract.dll引用
2.
var tp= new TesseractProcessor();
tp.SetPageSegMode(ePageSegMode.PSM_SINGLE_LINE);
tp.Init("{0}","{1}", (int)eOcrEngineMode.OEM_DEFAULT);//{0}為Path名,如c:\test\,{1}為學習庫文件名,不需要擴展名.
var result = tp.Recognize(pic);
3.生成目標平台x86.
工具下載:點擊下載
