2回答
将hOCR转换为HTML
、、、、
我正在寻找一个在python中实现的工具或想法，它将hOCR文件(由应用程序在tesseract中生成)转换为html表。其思想是利用hOCR文件中的文本位置信息(在bbox属性中提供)来创建基于所提供位置的表。我举一个例子来解释上述观点：
我使用这个来自SlideShare.net的SlideShare.net作为输入，我的应用程序使用了tesseract，我得到了下面的hOCR/xml文件作为输出。
hOCR文件：
<div class='ocr_page' id='page_2' title='image "sample_slid
浏览 5提问于2015-06-24得票数 12
我正在尝试运行tessnet，图像只包含数字，但它总是给我"~“，结果，我不明白为什么……代码如下：
private void button1_Click(object sender, EventArgs e)
{
tessnet2.Tesseract ocr = new tessnet2.Tesseract();
ocr.SetVariable("tessedit_char_whitelist", "0123456789");
ocr.Init(@"C:\U
浏览 2提问于2014-09-05得票数 1
在中，他们说你可以：
如何获得每个字符的坐标和可信度？
有两种选择。如果您不想进入编程，您可以使用Tesseract的hocr输出格式(详细信息请阅读Tesseract手册页面)。
但是，当我创建一个示例hOCR输出(它是一个.html文件)时，边界框和信任级别仅在word级别的上可用。
我是不是漏掉了什么？
我添加了示例输入/输出作为示例(输入的大小调整了)。
这是输入图像：
这是Tesseract的hOCR输出：
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "
浏览 12提问于2013-04-05得票数 7
回答已采纳
我尝试运行以下代码来提取XML文件中的所有文本：
请注意"word_1_14“-- word.text被发现是非类型的，因此没有打印出来.我发现这是因为文本带有强标记，因此使其不可见。你知道如何找到带有强标签的单词并打印出来吗？
这一行有问题--似乎word _1_14的单词是非类型的，object...which使打印文本变得不可能。
In the Python code:
for word in ocr_word:
In the XML file:
<span class='ocrx_word' id='word_1_14' tit
浏览 1提问于2016-11-15得票数 1
2回答
大家好，我有一个关于C#的OCR Tesseract (tessnet2)的问题，它能找到caractère IVI而不是"M“，你能帮我吗？
tessnet2.Tesseract ocr = new tessnet2.Tesseract();
ocr.SetVariable("tessedit_char_whitelist", "ABCDEFGHIJKLMNOPQRSTUVWXYZ"); // If digit only
ocr.Init(@"C:\tresnet", "fra", f
浏览 4提问于2013-02-21得票数 2
9回答
嗨，你们谁能给我一个简单的例子来测试Tesseract OCR，最好是在C#中。
我试过演示，找到了。我下载了英文数据集，并将其解压到C盘中。并将代码修改如下：
string path = @"C:\pic\mytext.jpg";
Bitmap image = new Bitmap(path);
Tesseract ocr = new Tesseract();
ocr.SetVariable("tessedit_char_whitelist", "0123456789"); // If digit only
ocr.Init(@"C:\
浏览 5提问于2013-05-17得票数 28
1回答
我正在使用在我的项目：中引用的ocr
创建了一个新类：
private void test()
{
Bitmap image = new Bitmap(@"d:\timessquare.jpg");
tessnet2.Tesseract ocr = new tessnet2.Tesseract();
ocr.SetVariable("tessedit_char_whitelist", "0123456789"); // If digit only
浏览 4提问于2013-09-05得票数 0
回答已采纳
private void Recognize()
{
Bitmap image = new Bitmap(@"C:\OCRTest\test.jpg");
pictureBox1.Image = image;
tessnet2.Tesseract ocr = new tessnet2.Tesseract();
ocr.SetVariable("tessedit_char_whitelist", "0123456789");
ocr.Init(@"C:\Users\user1\source\repos
浏览 13提问于2019-07-08得票数 0
1回答
Tesseract图像到文本
、、、、
我使用以下代码：
Bitmap image = new Bitmap(Application.StartupPath + "\\" + "1111.jpg");
tessnet2.Tesseract ocr = new tessnet2.Tesseract();
// ocr.SetVariable("tessedit_char_whitelist", "0123456789"); // If digit only
ocr.Init(null, "eng", false); // To use correct te
浏览 7提问于2013-12-09得票数 0
嗨，我正在试着让Tessnet2正常工作。我的代码是
Bitmap image = new Bitmap(@"C:\Users\Eric\Desktop\Text Pictures\Oil0.bmp");
tessnet2.Tesseract ocr = new tessnet2.Tesseract();
ocr.SetVariable("tessedit_char_whitelist", "0123456789");
ocr.Init(@"C:\tessdata", "eng", false);
Li
浏览 9提问于2014-01-12得票数 1
我从tesseract中提取了一个图像文档，它提取成功。但我无法理解所提取的文件的坐标。
问题描述：-
它显示坐标，但让我知道，这些坐标代表像素或其他东西。这些都是像title="bbox 10 13 43 46"，那么什么是10，13 43和46。他们代表的是什么立场
提取后的完整代码
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
<html>
<he
浏览 5提问于2013-08-31得票数 7
我正在使用tessnet2从.tif图像中获取文本。例如，我想要从图像中获得小数'700‘，但我得到了这个：'Mupann’我在这里使用法语tessdata，我使用的代码是：
ocr.SetVariable("tessedit_char_whitelist", "0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz.,$-/#&=()\':?")
ocr.Init(Application.StartupPath & "\tes
浏览 4提问于2013-03-17得票数 1
我使用"tessnet2_64.dll"
这是我的代码，提取文本：
try
{
var image = new Bitmap(@"D:\Tessnet2\C#\test2.jpg");
var ocr = new Tesseract();
// ocr.SetVariable("tessedit_char_whitelist", "0123456789"); // If digit only
浏览 14提问于2017-03-15得票数 0
回答已采纳
我有来自HOCR工具的HTML输出，我想在div类ocr_carea上应用以下操作。
编辑输入HTML
如下所示的div文件中的HTML标记。
<div class='ocr_carea' id='block_1_8' title="bbox 95 779 341 884">
<p class='ocr_par' id='par_1_16' lang='Latin' title="bbox 95 779 341 884">
<span
浏览 0提问于2018-09-04得票数 0
1回答
仅返回一个字符的Tessnet2
、、、、
我正在编写一个应用程序，我想读取图像并提取文本。为了测试porpuses，我传入了一个有6个字符的图像。这是我的代码。
Bitmap image = new Bitmap("eurotext.tif");
tessnet2.Tesseract ocr = new tessnet2.Tesseract();
ocr.SetVariable("tessedit_char_whitelist", "abcdefghijklmopqrstuvwxyz0123456789"); // If digit only
ocr.Init(null, "en
浏览 6提问于2013-05-09得票数 0
回答已采纳
1回答
OCR图像处理
、、、
我试着用MATLAB的OCR作为字符recognition.This是我正在做的-
I=imread('ocr.jpg');
imshow(I);title('Original Image');
results = ocr(I);
word = results.Text
这是图像ocr.jpg
但这是我得到的输出- word =，基本上它不能识别字符F。这是我跟踪的链接-
浏览 1提问于2015-06-22得票数 1
回答已采纳
我正在尝试编写代码，将文本从jpg转换为控制台。我曾经写过: tessnet2和Tesseract-OCR (在c#中)。现在，当我有纯文本时，一切都很好，但问题是，当文本在循环中时，就像这样：
实际上控制台返回给我这个：
118 : Text
61 : 1
219 : @
有时它会将@改为~(取决于圆的大小)。下面是我的代码：
var image = new Bitmap(@"D:\OCR\texttoread.bmp");
tessnet2.Tesseract ocr = new tessnet2.Tesseract();
浏览 15提问于2018-02-11得票数 1
我想知道在Perl/MySQL中是否有可能根据给定的单词建立一个变体单词列表，该单词可能会出现常见的OCR错误(即8而不是b)？换句话说，如果我有一个单词列表，并且列表中有单词"Alphabet"，那么有没有办法扩展或构建一个新的列表，以包括我的原始单词加上"Alphabet“的OCR错误变体？因此，在我的输出中，我可能有以下Alphabet的变体：
Alphabet
A1phabet
Alpha8et
A1pha8et
当然，对于OCR文本中出现的大多数(如果不是全部)常见错误，编写代码都是有用的。例如8而不是b，或者1而不是l。我不想修复这些错误，因为在我的数据本身
浏览 0提问于2012-12-12得票数 3
回答已采纳
2回答
PDF和文本层
、、
根据这个站点的，当添加一个文本层时，PDF是可搜索的。
我正在寻找PDF的技术规范。我认为文本可以通过两种方式存储到PDF中: a)作为图像层之上的文本层(如上面的网页中所述) b)当您从Word文档(带有文本)创建PDF时，我不认为Word会将所有文本存储在文本层中。我想它会把它存储在图像层？对吗？
从PDF1.4开始，添加了XMP ()。但是什么是XMP呢？这就是我上面讨论的“文本层”吗？
如果扫描仪在图像上执行OCR，它是否将文本存储在“文本层”中？或者是"XMP“字段？这只能在PDF版本为1.4的情况下发生吗？
如何检测PDF是否已经有文本数据？例如: PDF A已使用OCR扫
浏览 2提问于2012-07-10得票数 15
回答已采纳
我是个新手，我正在做一个类项目，在这个项目中我需要扫描数字矩阵。我在从图像文件中读取数字方面取得了成功，但我还没有找到如何识别数字之间的间距。例如，目前我得到的是14610的14610英镑。
图片：
我目前使用的代码：
Bitmap myBmp = new Bitmap(file);
var image = myBmp;
var ocr = new Tesseract();
ocr.SetVariable("tessedit_char_whitelist", "0123456789"); // If digit only
ocr.Init(@
浏览 1提问于2015-12-21得票数 8
回答已采纳
3回答
我有一大串简短的短语，例如：
sql server data analysis # SQL is not a common word
bodybuilding # common word
export opml # opml is not a common word
best ocr mac # ocr and mac are not common words
我想检测单词是不是一个不常见的词，不应该是进一步的过程。
我试过用NLTK来做这件事，但是它会产生奇怪的结果：
result = word in nltk.corpus.words.words()
sql = false
iso = t
浏览 0提问于2019-12-03得票数 1
回答已采纳
我试图使用Python从Tesseract的hocr输出文件中提取数据。我们仅限于tesseact版本3.04，因此没有image_to_data函数或tsv输出可用。我可以用漂亮的汤和R来做这件事，但这在需要部署它的环境中都是不可用的。我只是试着提取“x_wconf”这个词和信心。下面是一个输出文件示例，我很乐意返回90、87、89、89和[‘’、‘(快速)’、‘布朗’、'{fox}‘、’跳转‘的列表。)
lxml是环境中元素树之外唯一可用的xml解析器，因此我有点不知所措。
<?xml version="1.0" encoding="UTF-8"
浏览 1提问于2018-06-05得票数 4
回答已采纳
2回答
我已经从下载了tesseract。当我尝试将dll文件添加到visual studio 2012中时，它显示错误，表明它不是一个有效的程序集。谁能给我推荐一些其他的ocr和示例代码的dll文件。我试过很多网站，但我找不到一个好的。然后，我找到了这个dll文件并使用了以下代码
string path = @"C:\pic\mytext.jpg";
Bitmap image = new Bitmap(path);
Tesseract ocr = new Tesseract();
ocr.SetVariable("tessedit_char_whitelist", &
浏览 4提问于2013-08-24得票数 1
2回答
如何用魔杖改变图片的对比度？
、、、、
下面的图片用在Tesseract OCR上：
我处理图片的代码是：
# HOCR
with image[450:6200, 840:3550] as cropped:
imgPage = wi(image = cropped)
imageBlob = imgPage.make_blob('png')
horas = gerarHocr(imageBlob)
def gerarHocr(imageBlob):
image = Image.open(io.BytesIO(imageBlob))
markup = pytessera
浏览 5提问于2020-01-07得票数 1
回答已采纳
我正在使用tesseract作为我的ANPR应用程序的OCR引擎。我已经用号码板字体训练了tesseract 3.01v。但我需要知道：
哪些文件应该包含在tessdata文件夹中？
是否应该使用安装了tesseract 3.01v的tessdata文件夹？
我已经接受了tesseract 3.01v的培训，并且在我的代码中使用了tessnet2，所以这会成为一个问题吗？
下面是我尝试过的代码，但是它总是从DoOcr()方法中退出。
List<tessnet2.Word> ocrText = new List<tessnet2.Word>();
te
浏览 4提问于2012-07-26得票数 2
回答已采纳
我试着用Tesseract读取图像的文本内容。我使用了下面的代码。
try
{
//long i;
var image = new Bitmap(@"D:\Projects\Project Docs\Oasis\20180405T105834.618.jpeg");
var ocr = new tessnet2.Tesseract();
//ocr.SetVariable("tessedit_char_whitelist", "0123456789");
ocr.Init(@"D:\Projects
浏览 2提问于2018-04-06得票数 0
回答已采纳
我有最新的代码：
Private Sub Button1_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles Button1.Click
Dim Bitmap As New Bitmap("image.png")
Dim ocr As tessnet2.Tesseract = New tessnet2.Tesseract()
ocr.SetVariable("tessedit_char_whitelit", "0123456789
浏览 0提问于2011-04-10得票数 0
回答已采纳
4回答
有没有人知道一个.Net组件，可以通过编程将PDF转换为Word或RTF？我不想使用OCR和Adobe相关解决方案。
浏览 1提问于2011-04-20得票数 7
我在tesseract引擎上运行OCR，并将Tessnet作为C#包装器。我已经获得了识别单词的图像坐标，我想使用这些坐标仅显示页面的那部分。我不关心这个页面部分是否被保存为单独的图像，或者它是否只是以某种方式突出显示了tif图像的一部分。
下面是我当前的代码：
TextWriter tw = new StreamWriter(@"U:\user files\bwalker\ocrTesting.txt");
Bitmap image = new Bitmap(@"u:\user files\bwalker\2849257.tif");
浏览 3提问于2012-06-06得票数 3
回答已采纳
我已经从下载了tesseract。当我尝试将dll文件添加到visual studio 2012中时，它显示错误，表明它不是一个有效的程序集。谁能建议我一些其他的dll文件的ocr和示例代码。我试过很多网站，但我找不到一个好的。然后，我找到了这个文件tessrect，并使用了以下代码
string path = @"C:\pic\mytext.jpg";
Bitmap image = new Bitmap(path);
Tesseract ocr = new Tesseract();
ocr.SetVariable("tessedit_char_whitelist
浏览 0提问于2013-08-24得票数 2
2回答
我正在尝试在c#应用程序中使用tessnet2从图像中读取文本。这是我的代码：
string valoare="";
lblOCR.Text = "";
Bitmap image = new Bitmap(@"C:\Stamp\test.png");
tessnet2.Tesseract ocr = new tessnet2.Tesseract();
ocr.Init(@"F:\Manipulare pdf\bin(1)\Release32\tessdata", "eng", false);
var rect
浏览 3提问于2013-04-05得票数 1
1回答
我试图使用Tessnet库制作一个实时OCR应用程序。其想法是将5个图像存储在一个位图数组中，并对其执行OCR (每2秒一次)。代码运行正常，但似乎占用了大量内存。应用程序运行大约30分钟(当它消耗2GB左右的内存时)，然后抛出内存异常。有什么解决办法吗？谢谢
这是我的OCR功能：
private void makeOCR()
{
//Perform OCR in the image array
x1 = string.Empty;
//initialize OCR
Tesseract ocr = new tessnet2.Tesseract();
ocr.
浏览 8提问于2017-08-14得票数 1
回答已采纳
我正在使用tessnet2，如中所描述的。
var image = new Bitmap(@"C:\OCRTest\number.jpg");
var ocr = new Tesseract();
ocr.SetVariable("tessedit_char_whitelist", "0123456789"); // If digit only
//@"C:\OCRTest\tessdata" contains the language package, without this the method crash a
浏览 13提问于2016-03-28得票数 1
回答已采纳
1回答
由于这个JSON读取脚本(Microsoft模板代码)，我有一个Azure OCR输出：
# Extract the word bounding boxes and text.
line_infos = [region["lines"] for region in analysis["regions"]]
word_infos = []
for line in line_infos:
for word_metadata in line:
for word_info in word_metadata["words"]:
浏览 2提问于2020-09-20得票数 0
回答已采纳
Microsoft返回json，如果我想从这个json扩展文本数据：
response = \
{
"language": "en",
"textAngle": -2.0000000000000338,
"orientation": "Up",
"regions": [
{
"boundingBox": "462,379,497,258",
"lines": [
{
&
浏览 0提问于2018-11-15得票数 3
回答已采纳
我正在使用tessnet2 (tesseract-ocr)在C#中处理以下图像：
这是我的密码：
var image = new Bitmap(@"D:\anuj\a2.jpg");
ocr.Init(@"D:\anuj\OCRTest\tessdata", "eng", false);
var result = ocr.DoOCR(image, Rectangle.Empty);
foreach (Word word in result)
Console.Write("{0} ", word.Text);
浏览 5提问于2016-03-31得票数 0
回答已采纳
我正在做一些OCRing PDF的工作，我很好奇是否有一种方法可以检查一个PDF是否已经从Word (或Google Docs)导出。我可以检查PDF是否已经用Xpdf的pdffonts进行了OCR。我知道Word和Google Docs会自动OCR导出的PDF，所以如果我发现PDF没有OCR，我就知道它没有导出。但是，如果它已经光学字符识别，有没有办法检查的PDF是否从Word/Google Docs导出，而不是简单的OCRd与类似的程序？具体地说，我使用的是JavaScript，但任何信息都是有用的。
浏览 2提问于2013-06-14得票数 0
2回答
处理OCR导入
、、
我正在尝试在jupyter中导入以下命令：
from ocr import characters
from ocr.normalization import word_normalization, letter_normalization
# Helpers
from ocr.helpers import implt, resize, img_extend
但是接收错误:ModuleNotFoundError:没有名为'ocr‘的模块。已尝试查找原因，但找不到任何原因，因为ocr package.What am missing。
浏览 1提问于2020-06-29得票数 2
8回答
我在windows XP上使用Tesseract 2.04源代码的tessnet2包装器，并将其配置为与x86一起使用。
TessarctTest项目主函数包含：
Bitmap bmp = new Bitmap(@"C:\temp\New Folder\dotnet\eurotext.tif");
tessnet2.Tesseract ocr = new tessnet2.Tesseract();
// ocr.SetVariable("tessedit_char_whitelist", "01234567
浏览 3提问于2010-01-13得票数 15
有没有办法确定一个图像文件是不是通过OCR或not...when转换成word文件的?转换后的文件中的所有错误都是通过比较原始图像文件来纠正的，并且纠正了所有visible...is格式的错误。conversion..please有什么隐藏的标志让我知道吗？
浏览 9提问于2016-08-09得票数 0
我使用ResultIterator从图像中获取每个单词，但我的在调用iterator.begin()时出现错误。我也不知道原因。
这是我当前的代码，
//Global
ArrayList<String> words = new ArrayList<String>();
@Override
public void onPreviewFrame(final byte[] data, Camera camera) {
final SurfaceView surfaceView = (SurfaceView) getActivity().findVie
浏览 3提问于2014-03-23得票数 1
1回答
我正在测试Emgu.CV的LicensePlateDetector，它与英文车牌很好地兼容。
然后我从tesserac-ocr下载PT文件(因为我想使用葡萄牙车牌)，但当我解压缩该文件时，我只有一个简单的文件："por.traineddata“。如果我将这个文件传递给我的命名空间/tessdata，LicensePlateDetector将无法工作。
下载文件的位置：
如何创建"DangAmbigs“、"freq-dawg”、"inttemp“、"normproto”、"pffmtable“、"unicharset”、“user-
浏览 0提问于2013-11-05得票数 0
我有一个OCR程序，可以将图像转换为word文档。word文档包含所有图像的文本，我想将其拆分成单独的文件。
在c#中有什么方法可以做到这一点吗？
谢谢
浏览 16提问于2012-08-01得票数 0
1回答
我将tesseract用于OCR，并注意到，有时会出现分割错误，“显然”属于一起的字符会被分割成单独的字符串。
根据在一个文本行中发现的字符列表及其边界框，以及初步的OCR结果表明，这些字符中的哪些属于一个单词，我可以应用哪些算法来纠正分割错误或验证结果？
所以这是可用的数据：
List<Word> words;
for(Word word : words){
for(Char c : word.getChars()){
char ch = c.getValue();
Rectangle rect = c.getRect();
}
}
浏览 0提问于2012-04-18得票数 5
回答已采纳
我想用.Net中的Tesseract OCR引擎做一个光学字符识别。因此，我使用了tesseractdotnet-Wrapper 。我需要获取每个识别单词的单词位置(RetriveResultDetail-Method)：
TesseractProcessor ocr = new TesseractProcessor();
ocr.Init(executionPath, "eng", 3);
Image image = Image.FromFile(imagePath);
Console.WriteLine(ocr.Apply(image));
List<tesserac
浏览 0提问于2013-06-03得票数 0
回答已采纳
使用tesseract，我已经提取了文本，iPhone.Now想要提取文本以及文本在xml中的位置。我使用GetHocrText来检索HTML语言中的文本。
例如：-
<span class='ocr_word' id='word_3_28' title="bbox 55 226 123 243">
<span class='ocrx_word' id='xword_3_28' title="x_wconf -5">Beverage</span>
</spa
浏览 7提问于2012-09-03得票数 2
1回答
好吧，今天我花了最好的时间让ocr正常工作，它不再崩溃，但是当我给它一个包含文本的文件，而不是仅仅是数字，很多奇怪的文本就会被抽出来……
源代码：
using System;
using System.Collections.Generic;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using tessnet2;
namespace OCRTest
{
class Program
{
static void Main(st
浏览 3提问于2016-09-28得票数 1
回答已采纳
我从Ubuntu14.04LTS上的tesseract 3.03获得了XHTML文件.hocr。如何将该文件中的数据放入java中的对象？不然我怎么处理这个？不幸的是，对于我来说，我没有处理XML文件的经验，所以任何帮助都是非常感谢的。
文件示例：
<div class='ocr_page' id='page_1' title='image "test2jpg.jpg"; bbox 0 0 10000 10000; ppageno 0'>
<div class='ocr_carea' id=&
浏览 6提问于2015-05-05得票数 1
回答已采纳
5回答
我需要建议。我试图使用Tessnet2库来识别图像文本。
图像由五个字符(字符和数字)组成的字符串。
在我的项目中，我从.Add参考文献中下载了.，然后我下载了语言数据定义文件(从下载到tessdata目录.)
数据定义文件与exe文件位于同一个目录中。
这是我的代码：
try
{ //download image from server
System.Net.WebRequest request =
System.Net.WebRequest.Create(
textBox1.Text);
System.Net.WebResponse resp
浏览 12提问于2010-10-14得票数 4
1回答
我希望OCR几个JPEG(我可以用iview即时转换)。
我得到了：
Method 'OCR' of object 'IImage' failed
我的代码还不够完美，因为我专注于让.ocr方法正常工作。这些图像是照片，只包含几个字符。我可以使用条形码阅读器，但很难找到免费的。
Public Function OCRtest(strTempImg)
pXname = "ocrTest"
On Error GoTo err_hand
Dim miDoc As Object
Dim miWord
浏览 4提问于2018-03-26得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
