基于Mingw64 tesseract 实现英文字符和数字识别

最近有项目用到了字符和数字识别，调研后，先拿tesseract -ogr试试，效果还不错

基于 tesseract 实现英文字符和数字识别

tesseract 主要依赖于leptonica 和 tiff 库

leptonica 依赖于 zlib tiff png jpeg

先列一下我用到的库和版本号

1.jpg库没有cmake.txt，没法直接用cmake编译，我们直接用libjpeg-turbo库，可以用

2.tesseract 版本没用特别高，我的mingw版本还没法完全适应C++17，编译不过去，所以降了版本

3.leptonica 版本要升，我最开始用的版本比我下面的低，有些头文件没有

4.png库也要高，低点试了下不行，我试了三个版本

综上，如果你的mingw版本和我一样（mingw730_64），可以直接用下面的版本，我试过了可以

编译过程

1.tesseract 如下设置

2.leptonica 如下设置，其他库自己编吧很简单下载后，直接构建就行，一遍过

工程构建

QT 的.pro文件，这个动态库填写有先后顺序，烦死了，试了好多次，按我这样往下顺，要不然几百个报错

下面是我试出来的，能正常用

C++接口调用

1.设置识别语言和语言文件存放路径

2.读取图像，我使用opencv 或者用QT 的QImage，转换成unsigned char*即可

3.选择是否划定识别区域，图像太大可能识别效率也上不来，而且误识别区域过多

cpp 复制代码

#include "opencv2/opencv.hpp"
#include "baseapi.h"
using namespace tesseract;
int main()
{
    char* outText;
    tesseract::TessBaseAPI* api = new tesseract::TessBaseAPI();
    if (api->Init("E:/Software/tesseract/AZ/tessdata", "eng"))
    {
        fprintf(stderr, "Could not initialize tesseract.\n");
        exit(1);
    }
//    cv::Mat image = cv::imread("C:/Users/lixia/Desktop/789897897897.png");
    cv::Mat image = cv::imread("C:/Users/lixia/Desktop/11111111.png");

    // 3. 设置图像参数
    int width = image.cols;
    int height = image.rows;
    int channels = image.channels();
    int bytes_per_pixel = channels;
    int bytes_per_line = static_cast<int>(image.cols * bytes_per_pixel);

    //    bytes_per_pixel：每个像素占用的字节数
    //    对于8位图像（0-255），通常等于通道数
    //    例如：灰度图（1通道）= 1，RGB彩图（3通道）= 3，RGBA（4通道）= 4
    //    bytes_per_line：每行图像数据占用的字节数（步长）
    //    通常 = 宽度 × 每像素字节数 + 可能的填充字节
    //    在OpenCV中，image.step就是每行的字节数
    //传入影像
    api->SetImage(image.data,width,height,bytes_per_pixel,bytes_per_line);
    //划定范围
//    api->SetRectangle(692,670,1100,150);
    // Get OCR result
    outText = api->GetUTF8Text();
    printf("OCR output:\n%s", outText);
    // Destroy used object and release memory
    api->End();
    delete api;
    delete[] outText;
    return 0;
}

处理效果

分析：

1.字体和背景色要有足够的颜色区分

2.实际使用过程中，还是要使用YOLO识别字符区域，或者使用传统的图像处理算法，先大致预识别 一个识别位置，要不然场景很复杂

3.还有待测试的是，不同颜色组合的字体和背景，是否还需要传统方法进行二值化处理后再传入识别函数

4.还需要有一个角度矫正 的策略在预处理上，我测试了文字旋转超过20度感觉识别就很不稳定了

识别结果