【WinForm】关于屏幕截图识别文字工具的桌面程序实现方案

发布时间:2024年01月21日

在使用电脑录入资料的工作中,有时需要将扫描图片里面的信息录入到电脑上,那有没有想过,用文字识别功能快速录入,这样连手动打字省了不少,网上可能有这样的程序(会要求登录),有能力的同学可以看着做,自己动手来实现。

功能描述

  • 通过截图工具生成一个区域的图片(可把打开的图片文件截图),
  • 使用识别功能,识别出文字输出显示,
  • 识别显示结果可能不太准确(有错字少字),要自己修改一下,
  • 选择复制文字,直接粘贴文字到输入框即可。

现在把以上基础的功能实现出来,如果想实现其它的功能,可以在此基础上改进吧

打开Visual Studio开发工具,新建一个WinForm项目,桌面程序,编写用C#语言

截图工具

关于桌面截图工具的实现步骤,可以看以下这篇文章来做
【截屏工具窗口简单实现原理,附详细代码】

截图工具的运行效果如下图
在这里插入图片描述

实现了截图功能后,在这基础上继续编写,添加识别文字按钮

文字识别插件

关于文字识别,有很多现成的OCR插件,可以在NuGet包管理中查到,

笔者测试了一些插件,没有可参考的文档就不拿来用了,

而有一些插件感觉还可以,在网上能找到相关学习文档,列出如下:

Tesseract

这里的工具项目是用Tesseract插件,

其它的插件根据自己的情况选择来用(只能在64位机系统环境上运行),

在解决方案资源管理面板(文件夹)下,新建一个库项目,命名为TesseractSharp

选择这个项目名,鼠标右键选择管理NuGet程序包打开,如下图,去找一个叫Tesseract插件安装好
在这里插入图片描述

只是安装这个Tesseract插件显然还不够,缺少依赖文件;

识别库文件

需要去国内开源的GitCode下载一些识别语言所需的库文件,如下:

  • chi_sim.traineddata - 简体中文语言包;
  • chi_sim_vert.traineddata - 简体体中文语言包,垂直向下书写方向;
  • chi_tra.traineddata - 繁体中文语言包;
  • chi_tra_vert.traineddata - 繁体中文语言包,垂直向下书写方向;
  • osd.traineddata - 文字方向检测的;
  • eng.traineddata - 英文语言包

上面语言包任选一个即可,如果开启方向检测就要用到osd.traineddata

实现识别功能

安装好插件后,把下载好的库文件放到项目目录下的文件夹tessdata里,

这里实现调用图文识别功能,

在类库项目里面新建一个TesseractSharpTool类文件,代码如下

public class TesseractSharpTool {

	private TesseractEngine engine;
	
	public TesseractSharpTool(){
		//识别库文件夹的路径
		var path = Path.Combine(AppDomain.CurrentDomain.BaseDirectory, "tessdata");
		// 识别引擎
		var eMode = EngineMode.TesseractAndLstm;
		// 中文语言包
		var langFilename = "chi_sim";
		// 识别引擎对象
		engine = new TesseractEngine(path, langFilename, eMode);
	}
	//...
}

初始化识别引擎对象engine

接下来,在类里面继续写,实现调用它的方法,代码如下

/// <summary>
/// 识别图片文字
/// </summary>
/// <param name="ocrImage">图片</param>
/// <param name="blocks">标注块集合</param>
/// <returns>返回格式化的识别结果</returns>
public string DetectText(Bitmap ocrImage, List<TextBlock> blocks)
{
     using(var pix = PixConverter.ToPix(ocrImage))
     {
         using (var page = engine.Process(pix))
         {
         	// 这里识别返回结果
             var result = page.GetText();
             if (!string.IsNullOrEmpty(result))
             {
             	// 如果要标注识别区域的话,就继续写,
             	// 把获取到的识别区域添加到标注块blocks集合即可(是对数组的引用,无需返回)
             	// ...
             }
             return result;
         }
     }
 }

接下来,在之前写好截图工具项目中去写,会引用上面的库项目,

识别结果显示

当截图完成,点击识别文字按钮的事件里,去打开一个对话框窗口,

需要新建一个对话框窗口窗体对象,新建时传入截图的一个Image对象,

设计的对话窗口如下图
在这里插入图片描述

传入截图的图片在左侧区域显示(标注块在图片上层);
识别的结果会在右侧区域显示,是一个多行文本框,可以修改;
窗口是可以拖动调整右侧区域大小的;

在窗口加载事件方法里,调用识别方法,代码如下

var blocks = new List<TextBlock>();
var result = string.Empty;

using (var ocr = new TesseractSharpTool())
{
	//识别图片
    result = ocr.DetectText(panel1.BackgroundImage as Bitmap, blocks);
}
//显示识别结果
richTextBox1.Text = result;

foreach (var block in blocks){
	//...将标注块放到图片上层
}

记得要用线程处理识别结果,不然看上去会卡顿的

关于项目

写到这里,不用多讲,自己动手试试,整个项目就能做出来了,

项目运行的截图识别对话框的效果图如下
在这里插入图片描述

可见Tesseract插件的识别率不是很准确,
显示的一些标注是可以选择复制的,在右侧直接修改复制识别结果;

如果是只识别一些限定内容,可以试试如下代码

//识别单个字符的模式设置,单个字母或者汉字
engine.DefaultPageSegMode = PageSegMode.SingleChar;
//设置白名单的方法
engine.SetVariable("tessedit_char_whitelist", "0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ-");

或者,用一个网上找来的jTessBoxEditorFX工具制作自己的字库给它调用,以提高识别率,

在此项目上,可尝试再写一个库项目,用别的识别插件调用试试,运行效果图如下
在这里插入图片描述

用别的插件PaddleOCRSharp ,可见这个识别率还可以,只能运行在64位机器

想看项目源码请点此这里,或者点此去搜索截图识别,本博客站内请放心下载!

可能手机上看不到源码,请用电脑浏览器查看

溜了溜了

文章来源:https://blog.csdn.net/zs1028/article/details/135705486
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。