C# 使用OCR识别中文
2016-07-27 15:16
417 查看
来源地址:http://www.wxzzz.com/1602.html
现在市面上的可用的OCR(光学字符识别)组件还是比较多的,其中有大名鼎鼎的Tesseract,还有非常专业的Asprise,尽管它们非常专业、非常好用,但是用起来并不省事(因为它们对中文的支持并不友好)。如果公司是专业开发OCR套件,愿意耗资长时间的深入研发,那么比较推荐Tesseract,它可以进行深入的配置,并且是开源的。
经过多种方案的尝试后,发现还是微软的OCR组件对中文识别效果不错,并且简单。该组件基于office 2007中,其效果如下所示:
![](http://www.wxzzz.com/wp-content/uploads/2015/09/ocr.jpg)
Office SP2 补丁安装(301 MB):http://download.microsoft.com/download/A/3/9/A39E919E-AFA8-4128-9249-51629206C70F/office2007sp2-kb953195-fullfile-zh-cn.exe
在visual studio C#项目中引用COM组件:Microsoft Office Document Imaging 12.0 Type Library
然后编写如下代码(本文使用的为winfrom测试项目):
private void button1_Click(object sender, EventArgs e)
{
MODI.Document doc = new MODI.Document();
doc.Create("C:\\OCR\\text.jpg");
MODI.Image image;
MODI.Layout layout;
doc.OCR(MODI.MiLANGUAGES.miLANG_CHINESE_SIMPLIFIED, true, true);
StringBuilder sb = new StringBuilder();
for (int i = 0; i < doc.Images.Count; i++)
{
image = (MODI.Image)doc.Images[i];
layout = image.Layout;
sb.Append(layout.Text);
}
textBox1.Text = sb.ToString();
}
然后在C盘放入一个text.jpg文件即可开始测试以上代码。
其它说明:如果报错
现在市面上的可用的OCR(光学字符识别)组件还是比较多的,其中有大名鼎鼎的Tesseract,还有非常专业的Asprise,尽管它们非常专业、非常好用,但是用起来并不省事(因为它们对中文的支持并不友好)。如果公司是专业开发OCR套件,愿意耗资长时间的深入研发,那么比较推荐Tesseract,它可以进行深入的配置,并且是开源的。
经过多种方案的尝试后,发现还是微软的OCR组件对中文识别效果不错,并且简单。该组件基于office 2007中,其效果如下所示:
![](http://www.wxzzz.com/wp-content/uploads/2015/09/ocr.jpg)
使用C#与Office 2007 OCR组件实现图文转换
安装office 2007.(安装组件选项时需要手动在 工具–> Microsoft Office Document Imaging 安装此项)Office SP2 补丁安装(301 MB):http://download.microsoft.com/download/A/3/9/A39E919E-AFA8-4128-9249-51629206C70F/office2007sp2-kb953195-fullfile-zh-cn.exe
在visual studio C#项目中引用COM组件:Microsoft Office Document Imaging 12.0 Type Library
然后编写如下代码(本文使用的为winfrom测试项目):
private void button1_Click(object sender, EventArgs e)
{
MODI.Document doc = new MODI.Document();
doc.Create("C:\\OCR\\text.jpg");
MODI.Image image;
MODI.Layout layout;
doc.OCR(MODI.MiLANGUAGES.miLANG_CHINESE_SIMPLIFIED, true, true);
StringBuilder sb = new StringBuilder();
for (int i = 0; i < doc.Images.Count; i++)
{
image = (MODI.Image)doc.Images[i];
layout = image.Layout;
sb.Append(layout.Text);
}
textBox1.Text = sb.ToString();
}
然后在C盘放入一个text.jpg文件即可开始测试以上代码。
其它说明:如果报错
“其他信息: 检索 COM 类工厂中 CLSID 为 {40942A6C-1520-4132-BDF8-BDC1F71F547B} 的组件失败,原因是出现以下错误: 80040154 没有注册类”,请尝试将项目生成目标从
Any CPU修改为
x86.
相关文章推荐
- 用string.Join与List<T>或者与string数组转换为字符串
- 关于无法加载DLL"***.dll":找不到指定的模块(异常来自HRESULT:0x8007007E)问题的解决办法
- c#浅谈前后台线程
- C#之读取XML
- EntityFramework与Ado.net的对比——EF优势何在?
- C#合并两个Dictionary的方法
- C#工作笔记
- C#集合--Dictionary
- c#——Winform DatagridView 扩展支持combobox列自定义DropDownStyle
- C#中的异步委托
- C# ref与out
- C#向线程中传递多个参数的解决方法(两种)
- C#创建线程带参数的方法
- 泛型介绍(C# 编程)
- C#往线程里传递参数的方法小结
- C#之创建Xml
- RSLinx与C#通信错误
- 【C# DateTime】如何一次性修改DateTime的默认ToString格式
- 基于C#的Windows定时关机系统的设计
- 如何:复制、删除和移动文件和文件夹(C# 编程)