在 .NET 中利用 Tesseract 辨认图片文字

1. 什么是 Tesseract

Tesseract 是一个强大的字符辨认 (OCR) 工具。它最初由 HP 发布，现在由 Google 和学术社区共同维护和开发。 Tesseract 支持多种语言和格式，能够高效地辨认图片中的文字。
2. 如何安装 Tesseract

要在 .NET 项目中利用 Tesseract，需要安装相关的 NuGet 包和基础依赖。步骤如下：

• 在项目中通过 NuGet 安装 Tesseract 包：
  1. dotnet add package Tesseract

  复制代码
• 安装 SkiaSharp 来处理图片：
  1. dotnet add package SkiaSharp

  复制代码

3. 训练数据从那里下载

Tesseract 需要训练数据文件来辨认图片中的文字。这些训练数据文件可以从 Tesseract OCR GitHub  https://github.com/tesseract-ocr/tessdata下载。选择您需要的语言文件，并放置在项目相关目录中。
4. 如何利用 Tesseract

利用 Tesseract 辨认图片中的文字，可以通过以下步骤完成：

• 创建一个 HttpClient 和 Logger ，用于下载图片和记载日志。
  
• 利用 SkiaSharp 来处理图片。
  
• 利用 Tesseract 完成 OCR 辨认。
  

例子如下：

1. using SkiaSharp;
2. using Tesseract;
4. namespace AutoGetOrder.WebAPI.Services.TesseractService
5. {
6.     public class TesseractOCRService
7.     {
8.         private readonly HttpClient _httpClient;
9.         private readonly ILogger<TesseractOCRService> _logger;
11.         public TesseractOCRService(HttpClient httpClient, ILogger<TesseractOCRService> logger)
12.         {
13.             _httpClient = httpClient;
14.             _logger = logger;
15.         }
17.         public async Task<string> Do(string imageUrl)
18.         {
19.             try
20.             {
21.                 byte[] imageBytes = await DownloadImageAsync(imageUrl);
22.                 using (var skBitmap = SKBitmap.Decode(imageBytes))
23.                 {
24.                     var processedBitmap = PreprocessImage(skBitmap);
25.                     using (var pix = ConvertSKBitmapToPix(processedBitmap))
26.                     {
27.                         string captchaText = RecognizeText(pix);
28.                         return captchaText;
29.                     }
30.                 }
31.             }
32.             catch (Exception ex)
33.             {
34.                 _logger.LogError(ex.ToString());
35.                 return string.Empty;
36.             }
37.         }
39.         private async Task<byte[]> DownloadImageAsync(string url)
40.         {
41.             return await _httpClient.GetByteArrayAsync(url);
42.         }
44.         private SKBitmap PreprocessImage(SKBitmap bitmap)
45.         {
46.             return bitmap;
47.         }
49.         private Pix ConvertSKBitmapToPix(SKBitmap skBitmap)
50.         {
51.             using (var image = SKImage.FromBitmap(skBitmap))
52.             using (var data = image.Encode(SKEncodedImageFormat.Png, 100))
53.             {
54.                 return Pix.LoadFromMemory(data.ToArray());
55.             }
56.         }
58.         private string RecognizeText(Pix pix)
59.         {
60.             using (var engine = new TesseractEngine(@"./Services/TesseractService", "eng", EngineMode.Default))
61.             {
62.                 using (var page = engine.Process(pix))
63.                 {
64.                     return page.GetText();
65.                 }
66.             }
67.         }
68.     }
69. }

复制代码

5. Docker 环境中安装依赖

如果您在 Docker 环境中利用 Tesseract，需要确保基础依赖已经安装。参考PR https://github.com/charlesw/tesseract/issues/675 可以参考下面的 Dockerfile：

1. RUN apt-get update && apt-get install -y \
2.     libfontconfig1 \
3.     libfreetype6 \
4.     libpng16-16 \
5.     libjpeg62-turbo \
6.     libx11-6 \
7.     libxext6 \
8.     libxrender1 \
9.     tesseract-ocr \
10.     libtesseract-dev \
11.     libleptonica-dev
13. RUN ln -s /usr/lib/x86_64-linux-gnu/libdl.so.2 /usr/lib/x86_64-linux-gnu/libdl.so
14. WORKDIR /app/x64
15. RUN ln -s /usr/lib/x86_64-linux-gnu/liblept.so.5 /app/x64/libleptonica-1.82.0.so
16. RUN ln -s /usr/lib/x86_64-linux-gnu/libtesseract.so.5 /app/x64/libtesseract50.so

复制代码

这些依赖确保 Tesseract 和其依赖库在 Docker 中正常运行。
6.一个例子

 
辨认结果

 

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。