当前位置：首页 > article >正文

如何使用tesseract的C++接口做字符识别

article 2024/11/23 5:39:50

要从图片中识别字符，可以使用tesseract库。

如果使用Python，可以直接使用

pip install tesseract

安装之后，就可以在Python中

import tesseract

来使用了。

如果我们在C++的开发中，要使用tesseract，其实也非常简单。

tesseract在Linux各发行版，都有现成的二进制安装包，而且还同时提供了C语言、C++的支持。本文中的示例，采用C++的接口。

开发环境

如果是Fedora系统，可以直接通过

dnf install tesseract-devel

来安装tesseract的开发库。

之后，可以直接在程序中链接-ltesseract，包含的头文件目录除了/usr/include/tesseract之外，还需要/usr/include/leptonica、/usr/include/libpng16等。

为了简化这一操作，可以使用pkg-config文件。

如：

~/$ pkg-config --cflags --libs tesseract
-I/usr/include/leptonica -I/usr/include/libpng16 -DWITH_GZFILEOP -I/usr/include/webp -ltesseract

头文件以及API

安装好tesseract，在构建系统中设置包含目录之后，就可以在程序中包含相应的头文件了。

如果是在C语言中，需要包含

#include <tesseract/capi.h>

，而如果是在C++中，可以使用C语言的API，也可以使用C++的Class API，需要包含：

#include <tesseract/baseapi.h>

使用这个头文件的话，使用的是tesseract的命名空间之中的TessBaseAPI。

如果我们打开tesseract/baseapi.h，可以看到TessBaseAPI的方法很多。但是，其实我们做OCR核心要使用的却并不多，基本上就Init、SetImage与GetUTF8Text这样三个就可以了。

构造函数

76 class TESS_API TessBaseAPI {  
77 public:  
78   TessBaseAPI();  
79   virtual ~TessBaseAPI();  
80   // Copy constructor and assignment operator are currently unsupported.  
81   TessBaseAPI(TessBaseAPI const &) = delete;  
82   TessBaseAPI &operator=(TessBaseAPI const &) = delete;

构造函数没有参数，不支持复制，非常简单。

版本号

84   /**  
85    * Returns the version identifier as a static string. Do not delete.  
86    */  
87   static const char *Version();

一个静态方法，返回API的版本，可以根据不同的版本做条件开发。

初始化设置

97   int Init(const char *datapath, const char *language, OcrEngineMode mode,  
198            char **configs, int configs_size,  
199            const std::vector<std::string> *vars_vec,  
200            const std::vector<std::string> *vars_values,  
201            bool set_only_non_debug_params);  
202   int Init(const char *datapath, const char *language, OcrEngineMode oem) {  
203     return Init(datapath, language, oem, nullptr, 0, nullptr, nullptr, false);  
204   }  
205   int Init(const char *datapath, const char *language) {  
206     return Init(datapath, language, OEM_DEFAULT, nullptr, 0, nullptr, nullptr,  
207                 false);  
208   }  
209   // In-memory version reads the traineddata file directly from the given  
210   // data[data_size] array, and/or reads data via a FileReader.  
211   int Init(const char *data, int data_size, const char *language,  
212            OcrEngineMode mode, char **configs, int configs_size,  
213            const std::vector<std::string> *vars_vec,  
214            const std::vector<std::string> *vars_values,  
215            bool set_only_non_debug_params, FileReader reader);  
216

Init方法的目的是初始化语言支持，比如是识别英语，还是汉语，重载版本比较多。

但是，如果开发简单的应用，使用最简单的

int Init(const char *datapath, const char *language)

重载版本就可以了。

而且，datapath都可以简单地设置为nullptr，指的是使用默认的路径，在我的Fedora 41系统上，这个目录是/usr/share/tesseract/testdata。

这个目录里面有：

ls /usr/share/tesseract/tessdata/  
chi_sim.traineddata  chi_sim_vert.traineddata  configs  eng.traineddata  tessconfigs

我们要识别什么语言，就要加载相应的.traineddata文件。所以，后面的language需要设置.traineddata前面的部分。

比如，我们要识别英语，就使用：

TessBaseAPI baseapi;
baseapi.Init (nullptr, "eng");

如果要识别多种语言，就使用+连接起来。如我们要识别英语与简体中文，就使用：

TessBaseAPI baseapi;
baseapi.Init (nullptr, "eng+chi_sim");

根据头文件里注释，Init()这个方法可以调用多次，在运行中动态更改识别的语言。

设置图片数据

307   void SetImage(const unsigned char *imagedata, int width, int height,
308                 int bytes_per_pixel, int bytes_per_line);
309

设置图片的数据指针，之后是图片的宽、长、以及每个像素的字节数，最后是每一行的字节数。一般来说，最后一个参数可以通过宽度以及每个像素的字节数相乘计算出来，但是因为图片数据往往会做填充，所以每行字节数就需要单独指定。

设置识别范围

void SetRectangle(int left, int top, int width, int height);

设置图片以后，使用这个方法可以设置一下识别的范围。一般需要识别图片中的一个矩形框的时候使用，如果识别整个图片可以不设。

识别字符

char *GetUTF8Text();

做字符识别最核心的方法，返回的是一个UTF-8编码的字节数组。

注意：这个返回的字节数组，需要调用者手动释放。

清除临时数据

void Clear();

这个方法是用来清理图片数据的。调用这个函数之后，就不能再做任何与前面设置过的图片相关的操作了。

结束

void End();

跟Init()配对使用，用于把临时数据都清理干净。

示例

下面这块代码，可以对一张输入图片，识别字符，之后保存到剪贴板里。

#include <QApplication>  
#include <QClipboard>  
#include <QImage>  
#include <QPixmap>  
  
#include <memory>  
#include <tesseract/baseapi.h>  
  
using namespace std;  
using namespace tesseract;  
  
std::unique_ptr<char>  
getTextFromPixmap(const QPixmap &pixmap) {  
  auto api = TessBaseAPI{};  
  api.Init(nullptr, "eng+chi_sim");  
  auto image = pixmap.toImage();  
  image = image.convertToFormat(QImage::Format_RGB888);  
  api.SetImage(image.bits(), image.width(), image.height(), 3,  
               static_cast<int>(image.bytesPerLine()));  
  auto text = api.GetUTF8Text();  
  api.Clear();  
  api.End();  
  return unique_ptr<char>(text);  
}  
  
int  
main(int argc, char *argv[]) {  
  Q_ASSERT(argc > 1);  
  QApplication app{argc, argv};  
  auto pixmap = QPixmap(argv[1]);  
  auto text = getTextFromPixmap(pixmap);  
  if (text) {  
    qInfo() << "get :" << text.get() << " from " << argv[1];  
    auto clipboard = QApplication::clipboard();  
    clipboard->setText(text.get());  
  } else {  
    qCritical() << "get nothing from " << argv[1];  
  }  
}

查看全文

http://www.kler.cn/a/405324.html