无法使用 tessnet2 和 Tesseract-OCR 从图像中读取文本答案

【问题标题】：Unable to read the text from an image using tessnet2 and Tesseract-OCR无法使用 tessnet2 和 Tesseract-OCR 从图像中读取文本
【发布时间】：2017-08-15 08:21:53
【问题描述】：

我编写了下面的.Net 代码来从图像中读取文本：

用于编写代码的平台： Windows 10、Visual Studio 2015、tesseract-ocr-setup-4.00.00dev 和 tessnet2

 using System;
 using System.Collections.Generic;
 using System.Linq;
 using System.Text;
 using System.Threading.Tasks;
using tessnet2;
 using System.Drawing;
using System.Drawing.Drawing2D;
using System.Drawing.Imaging;
using System.IO;

namespace ConsoleApplication2
 {
       class Program
    {
    static void Main(string[] args)
    {
        var image = new Bitmap(@"D:\Python\download.jpg");
        var ocr = new Tesseract();
        ocr.Init(@"C:\Program Files (x86)\Tesseract-OCR\tessdata", "eng",false);
        var result = ocr.DoOCR(image, Rectangle.Empty);
        foreach (tessnet2.Word word in result)
        {
            Console.WriteLine(word.Text);
            File.AppendAllText(@"D:\Python\writefile.txt",word.Text);

        }
        Console.ReadLine();
    }
   }
}

我都尝试过“任何 CPU”和 X86 的 CPU。也尝试从项目属性更改目标框架版本。

但是，我遇到以下错误：

An unhandled exception of type 'System.IO.FileLoadException' occurred in 
mscorlib.dll

Additional information: Mixed mode assembly is built against version 
'v2.0.50727' 
of the runtime and cannot be loaded in the 4.0 runtime without additional 
  configuration information.

编辑：刚刚在我的 app.config 中写了这个来消除错误，现在看起来如下：

  <?xml version="1.0" encoding="utf-8"?>
<configuration>
<startup useLegacyV2RuntimeActivationPolicy="true"> 

<supportedRuntime version="v4.0" sku=".NETFramework,Version=v4.5"/>
 </startup>

通过引用以下内容安装 NuGet：https://www.nuget.org/packages/NuGet.Tessnet2/

我无法读取图像。我从其中包含文本的 Google 图片之一下载的图片。

这是我收到的消息：

当我签入路径 C:\Program Files (x86)\Tesseract-OCR\tessdata

这就是它的样子：

我做错了什么？如何解决这个问题？

【问题讨论】：

你试过stackoverflow.com/questions/2455654/…。似乎 tessnet2 是针对 .NET 2.0 构建的（参见 pixel-technology.com/freeware/tessnet2）
是的。我提到了这个。但是，似乎无法从此处读取“tessdata” C:\Program Files (x86)\Tesseract-OCR\tessdata" 如何使读取成为可能？
您是否检查过C:\Program Files (x86)\Tesseract-OCR\tessdata 中是否有任何文件，可能是该文件夹或文件丢失了？
感谢您的提示。我已经修改了问题。看起来缺少 unicharset..有什么建议吗？我安装了一个 EXE（默认有这些文件/文件夹），从哪里可以得到这个文件夹中的 unicharset？

标签： c# .net visual-studio-2015 ocr tesseract

【解决方案1】：

问题已解决：通过从此处下载 LANG 包：https://github.com/tesseract-ocr/langdata

这是以前缺少的。Tessnet2 工作最重要的事情是获取语言包，在这里 (https://github.com/tesseract-ocr/langdata) 获取您想要的语言。对于示例，我使用英语。

下载语言并将其解压到“..\Tesseract-OCR\tessdata”文件夹。

注意：默认情况下，安装过程中语言包似乎不会出现在 tessdata 中。

这是我修改后的代码：

 using System;
 using System.Collections.Generic;
 using System.Linq;
 using System.Text;
 using System.Threading.Tasks;
 using tessnet2;
 using System.Drawing;
 using System.Drawing.Drawing2D;
 using System.Drawing.Imaging;
 using System.IO;

 namespace ConsoleApplication2
 {
class Program
{
    static void Main(string[] args)
    {
        var image = new Bitmap(@"D:\Python\download.jpg");
        tessnet2.Tesseract ocr = new tessnet2.Tesseract();
        ocr.Init(@"C:\Program Files (x86)\Tesseract-OCR\tessdata", "eng",false);
        List<tessnet2.Word> result = ocr.DoOCR(image, Rectangle.Empty);
        foreach (tessnet2.Word word in result)
        {
            Console.WriteLine("{0} : {1}",word.Confidence,word.Text);

        }

        Console.Read();
    }

}
}

干杯！！！

【讨论】：