C#获取图片中文字 Tesseract最新中文语言包chi_sim

tangluo

1. // 图片的路径，这可以是PDF中提取出来的图片  
   
2. string imagePath = "C:\\Users\\Administrator\\Desktop\\111\\22222.jpg";
   
3. //eng=英语  chi_sim=中文简体
   
4. using (var engine = new TesseractEngine("./tessdata", "chi_sim", EngineMode.Default))
   
5. {
   
6.      using (var img = PixConverter.ToPix(new Bitmap(imagePath)))
   
7.      {
   
8.          using (var page = engine.Process(img))
   
9.          {
   
10.              var text = page.GetText();
    
11.              Console.WriteLine("Mean confidence: {0}", page.GetMeanConfidence());
    
12.              Console.WriteLine("Text (GetIterator):");
    
13.              Console.WriteLine(text);
    
14.          }
    
15.      }
    
16. }

复制代码

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

下载后的中文语言文件名为：chi_sim.traineddata

下载的chi_sim.traineddata文件，放在Tesseract-OCR\tessdata目录下，例如D:\Program Files\Tesseract-OCR\tessdata