tesseract 语言包下载_Tesseract.js (JavaScript OCR) 识别1D条形码下面的数字
在做条形码识别的时候，有可能碰到条形码因为被破坏，无法识别的情况。通常1D条形码的下面都印着对应的数字。这个时候还可以借助下OCR。虽然OCR的成功率可能不高，但是多一种识别方法也是好的。这里分享下如何用Tesseract.js来识别一张1D条形码。
如何使用Tesseract.js
使用npm的命令安装Tesseract.js:
npm install tesseract.js获取示例代码：
https://github.com/naptha/tesseract.js/tree/master/examples
简单的运行下这些示例代码会发现第一次运行速度很慢，原因是需要下载语言包。要加快速度可以参考https://github.com/jeromewu/tesseract.js-offline的示例代码，指定语言包的路径。
Node
const path = require('path');
const worker = createWorker({
langPath: path.join(__dirname, '..', 'lang-data'),
logger: m => console.log(m),
});
(async () => {
await worker.load();
await worker.loadLanguage('eng');
await worker.initialize('eng');
const { data: { text } } = await worker.recognize('image-path'));
console.log(text);
await worker.terminate();
})();Web
<script src="../node_modules/tesseract.js/dist/tesseract.min.js"></script>
<script>
const { createWorker } = Tesseract;
const worker = createWorker({
workerPath: '../node_modules/tesseract.js/dist/worker.min.js',
langPath: '../lang-data',
corePath: '../node_modules/tesseract.js-core/tesseract-core.wasm.js',
logger: m => console.log(m),
});
(async () => {
await worker.load();
await worker.loadLanguage('eng');
await worker.initialize('eng');
const { data: { text } } = await worker.recognize('image-path');
console.log(text);
await worker.terminate();
})();
</script>这是我的测试图片
现在设置好文件名，然后运行程序，会得到这样的结果：
(IMTANMUEARRMAD
3 1383 09602 2010显然，下面的数字是我想要的。如果希望结果只有数字，可以设置一个字符白名单：
await worker.setParameters({
tessedit_char_whitelist: '0123456789',
})重新运行下，结果有些不一样了：
101011191 1 1 1111 111 11 1 41 111 1 11 11 111 11 1 11
31383096022010我不清楚上面这一窜的数字是怎么回事，猜想可能和语言包有关。打开语言包的仓库https://github.com/naptha/tessdata。下载一个最佳训练集的eng.traineddata.gz试试。再运行程序，发现结果正常了：
31383096022010这个实验发现，Tesseract.js在做纯文字识别的时候，效果挺好的。但是条形码的图，在识别的时候效率比较低，会把条形码当成文字来识别。
源码
https://github.com/yushulx/javascript-barcode-ocr
AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。
更多推荐
0
0- 0
已为社区贡献2条内容
所有评论(0)