tesseract 语言包下载_Tesseract.js (JavaScript OCR) 识别1D条形码下面的数字
tesseract
tesseract-ocr/tesseract: 是一个开源的光学字符识别（OCR）引擎，适用于从图像中提取和识别文本。特点是可以识别多种语言，具有较高的识别准确率，并且支持命令行和API调用。
项目地址：https://gitcode.com/gh_mirrors/te/tesseract
免费下载资源
·
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
GitHub 加速计划 / te / tesseract
31
3
下载
tesseract-ocr/tesseract: 是一个开源的光学字符识别（OCR）引擎，适用于从图像中提取和识别文本。特点是可以识别多种语言，具有较高的识别准确率，并且支持命令行和API调用。
最近提交(Master分支：22 小时前 )
014b9d00 - 8 个月前
13c966b7 - 8 个月前
旨在为数千万中国开发者提供一个无缝且高效的云端环境，以支持学习、使用和贡献开源项目。
更多推荐
0
0- 0
已为社区贡献2条内容
所有评论(0)