OCR之Tesseract在VS2010中的使用

来源：互联网发布：社交网络分析软件编辑：程序博客网时间：2024/04/30 21:51

一，下载lib和dll

可以从这里 http://code.google.com/p/tesseract-ocr/downloads/list 下载

tesseract-ocr-setup-3.02.02.exeWindows installer of tesseract-ocr 3.02.02 (including English language data) Featured

然后进行安装，如此可以方便地省去好多配置细节：如修改环境变量【如果不采用环境变量方式，则需要对于每个工程目录建立tessdata文件夹，并且里面放置所需要的chi_sim.traineddata等语言包】，也不再需要下载tesseract-3.02.02-win32-lib-include-dirs.zip，更方便以后训练出自己的 traineddata 文件

需要注意的是，安装目录下lib里面 libtesseract302d.dll 是针对VS2008的，需要用一个vs2010编译出的替换下来才可以在VS2010下正常使用。

另外还需要将 liblept168.dll 和 liblept168d.dll两个文件一并下载放到lib里面。 (我的资源库有这几个文件)

二，修改环境变量Path

在环境变量Path中增加指向安装目录下lib的路径，比如C:\Program Files\Tesseract-OCR\lib ，以便exe运行时能找到所需要的dll

三，工程中属性中增加路径

在自己的工程属性中VC++目录下增加包含目录和库目录，以便VS2010查找文件。例如

包含目录下新增：C:\Program Files\Tesseract-OCR\include\tesseract

库目录下新增： C:\Program Files\Tesseract-OCR\lib

四，增加语言训练包

直接将语言训练包放置在安装目录 tessdata文件夹下就好，比如将tesseract-ocr-3.02.chi_sim.tar.gz中的chi_sim.traineddata 文件直接抽取出来放在 C:\Program Files\Tesseract-OCR\tessdata 下面，就可以支持中文简体字符的识别啦。当然，自己训练出来的 traineddata 文件也是要放在这里的才生效。

测试代码：

#include "stdafx.h"  #pragma comment(lib, "libtesseract302.lib")#pragma comment(lib, "liblept.lib")#include "tesseract\baseapi.h"  #include "tesseract\strngs.h"  int _tmain(int argc, _TCHAR* argv[])  {  const char * image = "image.jpg";  tesseract::TessBaseAPI  api;  api.Init(NULL, "eng", tesseract::OEM_DEFAULT);  api.SetVariable( "tessedit_char_whitelist", "0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz" );  STRING text_out;  if (!api.ProcessPages(image, NULL, 0, &text_out))  {  return 0;  }  printf(text_out.string());   return 0;  }

测试图片

测试结果

注意要添加：

#pragma comment(lib, "libtesseract302.lib")#pragma comment(lib, "liblept.lib")

否则编译链接工程时，会出现错误！！！！！

0 0