OCR之Tesseract使用

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.exe

Windows 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！！！！！