Node-tesseract OCR Windows使用小结

1.首先安装 Tesseract-OCR (windows )

  Github

   Wiki

2.设置环境变量

    1)PATH 增加  tesseract 安装目录

    2)新增系统变量 TESSDATA_PREFIX='安装目录文件夹下\tessdata'

3.nodejs 调用

 安装wraper,npm install node-tesseract


var tesseract = require('node-tesseract');

// Recognize text of any language in any format

tesseract.process(__dirname+'/test.png',function(err, text) {

    if(err) {

            console.error(err);

   } else {

             console.log(text);

              }

       });


4. 多语言

通过-l 选项,依次增加语言

tesseract imagename outputbase [-l lang] [-psm pagesegmode] [configfile...]

var options = {

l: 'chi_sim+eng',

psm: 6,

};

tesseract.process(__dirname + '/test.jpg', options, function(err, text) {

if(err) {

console.error(err);

} else {

console.log('----------------------------W');

console.log(text);

}

});

-psm:Member name Value Description

PSM_OSD_ONLY 0 Orientation and script detection only.

PSM_AUTO_OSD 1 Automatic page segmentation with orientation and script detection. (OSD)

PSM_AUTO_ONLY 2 Automatic page segmentation, but no OSD, or OCR.

PSM_AUTO 3 Fully automatic page segmentation, but no OSD.

PSM_SINGLE_COLUMN 4 Assume a single column of text of variable sizes.

PSM_SINGLE_BLOCK_VERT_TEXT 5 Assume a single uniform block of vertically aligned text.

PSM_SINGLE_BLOCK 6 Assume a single uniform block of text. (Default.)

PSM_SINGLE_LINE 7 Treat the image as a single text line.

PSM_SINGLE_WORD 8 Treat the image as a single word.

PSM_CIRCLE_WORD 9 Treat the image as a single word in a circle.

PSM_SINGLE_CHAR 10 Treat the image as a single character.

PSM_SPARSE_TEXT 11 Find as much text as possible in no particular order.

PSM_SPARSE_TEXT_OSD 12 Sparse text with orientation and script det.

PSM_RAW_LINE 13 Treat the image as a single text line, bypassing hacks that are Tesseract-specific.

5.配合 GraphicsMagick 识别验证码的例子

   参考链接    gm

6.Localized OCR(识别特定区域)

有时候需要识别特定区域,可以通过UZN 文件配合 -psm 4参数实现

Tesseract can read in uzn files, and use them instead of doing its own segmentation, on two conditions:

The segmentation mode PSM_SINGLE_COLUMN must be used (Check manpage for details)

The uzn file must be named imageName.uzn, so for scan01.png the uzn file must be named scan01.uzn

两个前提:

-psm 4

uzn 文件与图片文件名称相同

https://github.com/charlesw/tesseract/issues/66

例如,考虑有内容如下的图片test.png:

This is a text

            This is another test

      This is a last test

test.uzn:

50 65 100 15 Text

命令行输入:

 "tesseract.exe test.png test -psm 4"

输出结果:

This is another test


7. node-tesseract 增加hocr输出

两种方法:

1) 首先修改安装目录下  \lib\tesseract.js ,第22行处options增加hocr属性

options: {

           'l': 'eng',

          'psm': 3,

          'config': null,

          'binary': 'tesseract',

          'hocr':null

},

70行增加:

if (options.hocr !== null) {

command.push('hocr');

}

如果想要输出hocr格式,参考:

var options = {

          l: 'chi_sim+eng',

          psm: 4,

          hocr:'hocr'

};

tesseract.process( '/test.png', options, function(err, text) {

          if(err) {

                    console.error(err);

        } else {

                console.log(text);

          }

        });

2)参考 Git pull request,好像没更新,需要修改到自己的 tesseract.js 文件中

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,362评论 5 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,330评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,247评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,560评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,580评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,569评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,929评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,587评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,840评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,596评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,678评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,366评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,945评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,929评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,165评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,271评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,403评论 2 342

推荐阅读更多精彩内容