字符识别Google开源Tesseract

Tesseract-ocr的dll tesseract-3.02.02-win32-lib-include-dirs下载地址：
Google-Tesseract-OCR
      解压之后包括 include文件夹和Lib文件夹，配置头文件和库文件，建立工程进行测试。
#include "baseapi.h"
#include "strngs.h"

#pragma  comment(lib,"libtesseract302.lib")

[cpp] view plaincopy

1. char * str = "test.jpg";  
2. tesseract::TessBaseAPI  api;    
3. api.Init(NULL, "chi_sim", tesseract::OEM_DEFAULT);  //初始化，设置语言包，中文简体：chi_sim;英文：eng；也可以自己训练语言包  
4. //api.SetVariable( "tessedit_char_whitelist", "0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz" );    
5. STRING text_out;    
6. if (!api.ProcessPages(str, NULL, 0, &text_out))    
7. {    
8.     return 0;    
9. }    

上边输出text_out.string()，结果为utf-8编码格式，因此需要转码，写了一个转成GBK的代码：

[cpp] view plaincopy

1. string UTF8ToGBK(const std::string& strUTF8)  
2. {  
3.     int len = MultiByteToWideChar(CP_UTF8, 0, strUTF8.c_str(), -1, NULL, 0);  
4.     unsigned short * wszGBK = new unsigned short[len + 1];  
5.     memset(wszGBK, 0, len * 2 + 2);  
6.     MultiByteToWideChar(CP_UTF8, 0,LPCSTR(strUTF8.c_str()), -1, LPWSTR(wszGBK), len);  
7.   
8.     len = WideCharToMultiByte(CP_ACP, 0,LPCTSTR(wszGBK), -1, NULL, 0, NULL, NULL);  
9.     char *szGBK = new char[len + 1];  
10.     memset(szGBK, 0, len + 1);  
11.     WideCharToMultiByte(CP_ACP,0, LPCTSTR(wszGBK), -1, szGBK, len, NULL, NULL);  
12.     //strUTF8 = szGBK;  
13.     std::string strTemp(szGBK);  
14.     delete[]szGBK;  
15.     delete[]wszGBK;  
16.     return strTemp;  
17. }  

由于是在mfc中应用，因此又写了一段mfc里边转成unicode的代码：

[cpp] view plaincopy

1. wchar_t * result_str;  
2. CString result;  
3. //utf-8转换成unicode  
4. int len = MultiByteToWideChar(CP_UTF8,0,text_out.string(),-1,NULL,0);  
5. result_str = new wchar_t[len + 1];  
6. memset(result_str,0,len + 1);  
7. MultiByteToWideChar(CP_UTF8,0,text_out.string(),-1,result_str,len);  
8.   
9. //识别结果  
10. result = result_str;