tesseract：一个.Net版本的开源OCR项目

news2025/1/11 6:11:22

推荐一个.Net版本的开源OCR项目，方便我们在项目中集成OCR功能。

01 项目简介

tesseract是针对Tesseract-OCR（C++）引擎封装的.NET版本，支持超过100种语言的文本识别，使得.NET开发者能够轻松地利用Tesseract的强大功能，无需深入了解OCR的底层技术。

此项目缺点是，只能识别印刷的文本，针对手写的需要自己训练语言包。

02 使用方法

1、安装依赖Tesseract

Install-Package Tesseract

2、下载语言数据文件

根据需求下载对于的语言数据文件，并在属性设置“复制到输出目录”设置为“始终”，如下示例为中文简体数据文件。

语言文件下载地址：

https://github.com/tesseract-ocr/tessdata_fast

3、示例代码

using System.Diagnostics;
using Tesseract;

var testImagePath = "./photo.bmp";

try
{
    using (var engine = new TesseractEngine(@".", "chi_sim", EngineMode.Default))
    {
        using (var img = Pix.LoadFromFile(testImagePath))
        {
            using (var page = engine.Process(img))
            {
                var text = page.GetText();

                Console.WriteLine("识别结果：" + text);
            }
        }
    }
}
catch (Exception e)
{
    Console.WriteLine(e.ToString());
}
Console.ReadKey(true);

4、识别效果

图片：