NuGet パッケージ追加
dotnet add package Tesseracttessdata の取得
GitHubのリポジトリ
https://github.com/tesseract-ocr/tessdata_best
jpn.traineddata
jpn_vert.traineddata
を ./tessdata フォルダに配置します。
コンソールサンプル
画像ファイルから文字列を抽出
Program.cs
using System;
using Tesseract;
namespace TesseractDemo;
class Program
{
static void Main()
{
// tessdata フォルダへのパス
var tessDataPath = @"./tessdata";
using var engine = new TesseractEngine(
tessDataPath,
"jpn", // 日本語
EngineMode.Default);
using var img = Pix.LoadFromFile("sample.png");
using var page = engine.Process(img);
string text = page.GetText();
Console.WriteLine("=== OCR Result ===");
Console.WriteLine(text);
Console.WriteLine($"Confidence: {page.GetMeanConfidence():P}");
}
}
/*
テスト画像:
https://maywork.net/wp/wp-content/uploads/2018/10/logo.png
sample.pngというファイル名でカレントディレクトリに保存
実行例:
dotnet run
=== OCR Result ===
球 惑 堂 本 舗
創業 平成 参 拾 年
Confidence: 82.00%
*/
単語ごとに文字と座標を取得する
Program.cs
using System;
using Tesseract;
namespace TesseractDemo;
class Program
{
static void Main()
{
// tessdata フォルダへのパス
var tessDataPath = @"./tessdata";
using var engine = new TesseractEngine(
tessDataPath,
"jpn", // 日本語
EngineMode.Default);
using var img = Pix.LoadFromFile("sample.png");
using var page = engine.Process(img);
// イテレータを作成（PageIteratorLevelをWordにすると単語単位で取得可能）
using (var iter = page.GetIterator())
{
iter.Begin();
do
{
// テキストの取得
string label = iter.GetText(PageIteratorLevel.Word);
// 座標（矩形）の取得
if (iter.TryGetBoundingBox(PageIteratorLevel.Word, out Rect bounds))
{
Console.WriteLine($"Text: {label}");
Console.WriteLine($" Location: X={bounds.X1}, Y={bounds.Y1}, Width={bounds.Width}, Height={bounds.Height}");
Console.WriteLine($" Confidence: {iter.GetConfidence(PageIteratorLevel.Word):P}");
Console.WriteLine("--------------------------");
}
} while (iter.Next(PageIteratorLevel.Word)); // 次の単語へ
}
}
}
/*
テスト画像:
https://maywork.net/wp/wp-content/uploads/2018/10/logo.png
sample.pngというファイル名でカレントディレクトリに保存
実行例:
dotnet run
Text: 球
Location: X=18, Y=28, Width=473, Height=89
Confidence: 8,350.87%
--------------------------
Text: 惑
Location: X=162, Y=24, Width=110, Height=125
Confidence: 9,179.91%
--------------------------
Text: 堂
Location: X=271, Y=24, Width=87, Height=125
Confidence: 9,291.83%
--------------------------
Text: 本
Location: X=357, Y=24, Width=79, Height=125
Confidence: 9,297.00%
--------------------------
Text: 舗
Location: X=435, Y=24, Width=56, Height=125
Confidence: 967.23%
--------------------------
Text: 創業
Location: X=90, Y=143, Width=122, Height=45
Confidence: 9,686.70%
--------------------------
Text: 平成
Location: X=235, Y=144, Width=73, Height=44
Confidence: 9,321.76%
--------------------------
Text: 参
Location: X=331, Y=144, Width=23, Height=43
Confidence: 9,151.46%
--------------------------
Text: 拾
Location: X=354, Y=139, Width=47, Height=67
Confidence: 8,152.60%
--------------------------
Text: 年
Location: X=400, Y=144, Width=23, Height=44
Confidence: 9,291.30%
--------------------------
*/
PageIteratorLevel.Wordを指定しているので「創業」や「平成」が単語として認識しています。
他の種類としては
Block … 文章の塊
TextLine … 行単位
Symbol … １文字づつ
などがあります。Symbolを試した見たところ、「平成」が「平」と「成」で別々に認識していました。
WPFでGUIを作る
using System.IO;
using System.Windows;
using System.Windows.Media.Imaging;
using System.Windows.Shapes;
using System.Windows.Media;
using Tesseract;
using System.Windows.Controls;
namespace OcrViewer;
public partial class MainWindow : Window
{
private BitmapImage? _currentBitmap;
public MainWindow()
{
InitializeComponent();
}
private void Window_Drop(object sender, DragEventArgs e)
{
if (!e.Data.GetDataPresent(DataFormats.FileDrop))
return;
var files = (string[])e.Data.GetData(DataFormats.FileDrop);
var path = files[0];
ShowImage(path);
RunOcrPerCharacter(path);
}
private void ShowImage(string path)
{
var bmp = new BitmapImage(new Uri(path));
_currentBitmap = bmp;
MainImage.Source = bmp;
RootCanvas.Width = bmp.PixelWidth;
RootCanvas.Height = bmp.PixelHeight;
MainImage.Width = bmp.PixelWidth;
MainImage.Height = bmp.PixelHeight;
}
private void RunOcrPerCharacter(string imagePath)
{
RootCanvas.Children.Clear();
RootCanvas.Children.Add(MainImage);
string tessPath = System.IO.Path.Combine(
AppContext.BaseDirectory,
"tessdata");
using var engine = new TesseractEngine(tessPath, "jpn", EngineMode.Default);
// 文字単位認識向け
engine.DefaultPageSegMode = PageSegMode.SingleBlock;
using var img = Pix.LoadFromFile(imagePath);
using var page = engine.Process(img);
using var iter = page.GetIterator();
iter.Begin();
do
{
string? text = iter.GetText(PageIteratorLevel.Symbol);
if (string.IsNullOrWhiteSpace(text))
continue;
if (iter.TryGetBoundingBox(PageIteratorLevel.Symbol, out Tesseract.Rect bounds))
{
DrawRectangle(bounds, text);
}
} while (iter.Next(PageIteratorLevel.Symbol));
}
private void DrawRectangle(Tesseract.Rect bounds, string text)
{
var rect = new Rectangle
{
Width = bounds.Width,
Height = bounds.Height,
Stroke = Brushes.Red,
StrokeThickness = 1
};
Canvas.SetLeft(rect, bounds.X1);
Canvas.SetTop(rect, bounds.Y1);
RootCanvas.Children.Add(rect);
// 文字も重ねて表示（デバッグ用）
var label = new System.Windows.Controls.TextBlock
{
Text = text,
Foreground = Brushes.Blue,
FontSize = 24
};
Canvas.SetLeft(label, bounds.X1);
Canvas.SetTop(label, bounds.Y1 - 28);
RootCanvas.Children.Add(label);
}
}<Window x:Class="OcrViewer.MainWindow"
xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation"
xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml"
xmlns:d="http://schemas.microsoft.com/expression/blend/2008"
xmlns:mc="http://schemas.openxmlformats.org/markup-compatibility/2006"
xmlns:local="clr-namespace:OcrViewer"
mc:Ignorable="d"
Title="OCR Viewer" Height="800" Width="1000"
AllowDrop="True"
Drop="Window_Drop">
<Grid>
<ScrollViewer HorizontalScrollBarVisibility="Auto"
VerticalScrollBarVisibility="Auto">
<Canvas x:Name="RootCanvas" Background="Black">
<Image x:Name="MainImage" Stretch="None" />
</Canvas>
</ScrollViewer>
</Grid>
</Window>
実行結果：
コードの書き方が悪いのか、盛大にズレていますね。
コメント