快捷導(dǎo)航

如何在?.NET?中使用?Tesseract?識別圖片文字

更新時間：2025年01月08日 08:58:55 作者：chester·chen

Tesseract是一個強大的OCR工具,支持多種語言和格式,在.NET項目中使用Tesseract,需要安裝相關(guān)的NuGet包和基礎(chǔ)依賴,本文介紹如何在?.NET?中使用?Tesseract?識別圖片文字,感興趣的朋友一起看看吧

1. 什么是 Tesseract

Tesseract 是一個強大的字符識別 (OCR) 工具。它最初由 HP 發(fā)布，現(xiàn)在由 Google 和學(xué)術(shù)社區(qū)共同維護和開發(fā)。 Tesseract 支持多種語言和格式，能夠高效地識別圖片中的文字。

2. 如何安裝 Tesseract

要在 .NET 項目中使用 Tesseract，需要安裝相關(guān)的 NuGet 包和基礎(chǔ)依賴。步驟如下：

在項目中通過 NuGet 安裝 Tesseract 包：

dotnet add package Tesseract

安裝 SkiaSharp 來處理圖片：

dotnet add package SkiaSharp

3. 訓(xùn)練數(shù)據(jù)從哪里下載

Tesseract 需要訓(xùn)練數(shù)據(jù)文件來識別圖片中的文字。這些訓(xùn)練數(shù)據(jù)文件可以從 Tesseract OCR GitHub https://github.com/tesseract-ocr/tessdata下載。選擇您需要的語言文件，并放置在項目相關(guān)目錄中。

4. 如何使用 Tesseract

使用 Tesseract 識別圖片中的文字，可以通過以下步驟完成：

創(chuàng)建一個 HttpClient 和 Logger ，用于下載圖片和記錄日志。
使用 SkiaSharp 來處理圖片。
使用 Tesseract 完成 OCR 識別。

例子如下：

using SkiaSharp;
using Tesseract;
namespace AutoGetOrder.WebAPI.Services.TesseractService
{
    public class TesseractOCRService
    {
        private readonly HttpClient _httpClient;
        private readonly ILogger<TesseractOCRService> _logger;
        public TesseractOCRService(HttpClient httpClient, ILogger<TesseractOCRService> logger)
        {
            _httpClient = httpClient;
            _logger = logger;
        }
        public async Task<string> Do(string imageUrl)
        {
            try
            {
                byte[] imageBytes = await DownloadImageAsync(imageUrl);
                using (var skBitmap = SKBitmap.Decode(imageBytes))
                {
                    var processedBitmap = PreprocessImage(skBitmap);
                    using (var pix = ConvertSKBitmapToPix(processedBitmap))
                    {
                        string captchaText = RecognizeText(pix);
                        return captchaText;
                    }
                }
            }
            catch (Exception ex)
            {
                _logger.LogError(ex.ToString());
                return string.Empty;
            }
        }
        private async Task<byte[]> DownloadImageAsync(string url)
        {
            return await _httpClient.GetByteArrayAsync(url);
        }
        private SKBitmap PreprocessImage(SKBitmap bitmap)
        {
            return bitmap;
        }
        private Pix ConvertSKBitmapToPix(SKBitmap skBitmap)
        {
            using (var image = SKImage.FromBitmap(skBitmap))
            using (var data = image.Encode(SKEncodedImageFormat.Png, 100))
            {
                return Pix.LoadFromMemory(data.ToArray());
            }
        }
        private string RecognizeText(Pix pix)
        {
            using (var engine = new TesseractEngine(@"./Services/TesseractService", "eng", EngineMode.Default))
            {
                using (var page = engine.Process(pix))
                {
                    return page.GetText();
                }
            }
        }
    }
}

5. Docker 環(huán)境中安裝依賴

如果您在 Docker 環(huán)境中使用 Tesseract，需要確?；A(chǔ)依賴已經(jīng)安裝。參考PR https://github.com/charlesw/tesseract/issues/675 可以參考下面的 Dockerfile：

RUN apt-get update && apt-get install -y \
    libfontconfig1 \
    libfreetype6 \
    libpng16-16 \
    libjpeg62-turbo \
    libx11-6 \
    libxext6 \
    libxrender1 \
    tesseract-ocr \
    libtesseract-dev \
    libleptonica-dev
RUN ln -s /usr/lib/x86_64-linux-gnu/libdl.so.2 /usr/lib/x86_64-linux-gnu/libdl.so
WORKDIR /app/x64
RUN ln -s /usr/lib/x86_64-linux-gnu/liblept.so.5 /app/x64/libleptonica-1.82.0.so
RUN ln -s /usr/lib/x86_64-linux-gnu/libtesseract.so.5 /app/x64/libtesseract50.so

這些依賴確保 Tesseract 和其依賴庫在 Docker 中正常運行。