ocrstyle圖片識(shí)別文字

Optical Character Recognition

背景

本程序最初是想用于發(fā)票識(shí)別的，目前可以通過(guò)ocrengine和imageprocess動(dòng)態(tài)庫(kù)進(jìn)行二次開(kāi)發(fā)。

功能

• 圖片識(shí)別文字的軟件。
• 支持截圖。
• 支持選擇識(shí)別的區(qū)域。
• 支持選擇識(shí)別的語(yǔ)言。
• 支持傾斜糾正。
• 支持保存識(shí)別的文字。
• 支持多種語(yǔ)言的識(shí)別，內(nèi)置了中文和英文，可以根據(jù)需要下載其它語(yǔ)言。

編譯環(huán)境

• ocrstyle 使用的Qt4.8開(kāi)發(fā)的。
• ocrengine 使用Visual C++ Express 2008開(kāi)發(fā)的。這個(gè)工程依賴third-party目錄下的Tesseract OCR開(kāi)發(fā)庫(kù)，目前是google維護(hù)的，當(dāng)時(shí)開(kāi)發(fā)的時(shí)候官方只有VC2008的開(kāi)發(fā)庫(kù)，于是就用的VC2008開(kāi)發(fā)了。項(xiàng)目地址：http://code.google.com/p/tesseract-ocr/。
• imageprocess 使用的Visual C++ Express 2010開(kāi)發(fā)的。這個(gè)工程依賴于OpenCV。項(xiàng)目地址：http://opencv.org/
• buildscripts/ocrstyle.nsi 打包安裝包使用的NSIS。

動(dòng)態(tài)庫(kù)的接口

• ImageProcessAPI.h 主要功能：圖像的加載、灰度處理、傾斜校正、保存等。
• OCREngine.h 主要功能：配置識(shí)別的語(yǔ)言、傳入要識(shí)別的圖像數(shù)據(jù)、獲得文本。

思路

• 掃描的電子發(fā)票一般都有點(diǎn)傾斜，所以要對(duì)圖片進(jìn)行傾斜校正。為了方便識(shí)別需要進(jìn)行灰度處理。
• 一般是要識(shí)別發(fā)票上的部分內(nèi)容，所以要想辦法把要識(shí)別的文本區(qū)域的圖像數(shù)據(jù)傳給Tesseract OCR，然后獲得文本。