如何将 C++ tesseract-ocr 代码转换为 Python？

Question

我想将 tesseract-ocr doc 中的 C++ 版本结果迭代器示例转换为 Python。

  Pix *image = pixRead("/usr/src/tesseract/testing/phototest.tif");
  tesseract::TessBaseAPI *api = new tesseract::TessBaseAPI();
  api->Init(NULL, "eng");
  api->SetImage(image);
  api->Recognize(0);
  tesseract::ResultIterator* ri = api->GetIterator();
  tesseract::PageIteratorLevel level = tesseract::RIL_WORD;
  if (ri != 0) {
    do {
      const char* word = ri->GetUTF8Text(level);
      float conf = ri->Confidence(level);
      int x1, y1, x2, y2;
      ri->BoundingBox(level, &x1, &y1, &x2, &y2);
      printf("word: '%s';  \tconf: %.2f; BoundingBox: %d,%d,%d,%d;\n",
               word, conf, x1, y1, x2, y2);
      delete[] word;
    } while (ri->Next(level));
  }

到目前为止我能做的是：

import ctypes
liblept = ctypes.cdll.LoadLibrary('liblept-5.dll')
pix = liblept.pixRead('11.png'.encode()) 
print(pix)

tesseractLib = ctypes.cdll.LoadLibrary(r'C:\Program Files\tesseract-OCR\libtesseract-4.dll')

tesseractHandle = tesseractLib.TessBaseAPICreate()

tesseractLib.TessBaseAPIInit3(tesseractHandle, '.', 'eng')

tesseractLib.TessBaseAPISetImage2(tesseractHandle, pix)
#tesseractLib.TessBaseAPIRecognize(tesseractHandle, tesseractLib.TessMonitorCreate())

我无法将 C++ api->Recognize(0)为 Python（我尝试的是在代码的最后一行（注释），但它是错误的），我对 C++ 没有经验，所以我不能再继续了，任何人都可以帮助转换？ API：

• 来自 tess4j： http ://tess4j.sourceforge.net/docs/docs-3.0/net/sourceforge/tess4j/TessAPI1.html#TessBaseAPIAnalyseLayout-net.sourceforge.tess4j.ITessAPI.TessBaseAPI-

• 从源代码： https : //github.com/tesseract-ocr/tesseract/blob/420cbac876b06beeee271d9f44ba800d943a8a83/include/tesseract/capi.h

我想我在后续的转换上也有一些困难，例如，我不知道如何在 Python 中表示tesseract::RIL_WORD ，所以最好提供完整版的转换，谢谢！

我知道有一个名为tesserocr的项目可以让我免于转换，但该项目的问题是他们不提供最新的 Windows Python 轮子，这是我进行转换的主要原因。

Answer 1

我认为问题在于api->Recognize()需要一个指针作为第一个参数。 他们错误地将0放在他们的示例中，但它应该是nullptr 。 0和nullptr都具有相同的值，但在 64 位系统上它们的大小不同（通常；我假设在一些奇怪的非 x86 系统上这可能也不是真的）。

他们的示例仍然适用于 C++ 编译器，因为编译器知道该函数需要一个指针（64 位）并静默修复它。

在您的示例中，您似乎还没有为 ctypes 指定TessBaseAPIRecognize()的确切原型。 所以 ctypes 不能知道这个函数需要一个指针（64 位）。 相反，它假设这个函数需要一个整数（32 位）--> 它崩溃了。

我的建议：

1. 使用ctypes.c_void_p(None)而不是 0
2. 如果您打算在生产中使用它， 请将所有函数原型指定为 ctypes
3. 请注意您查看的示例：这些示例使用Tesseract 基础 API （C++ API），而如果您想将 libtesseract 与 Python + ctypes 一起使用，则必须使用Tesseract C API 。 这 2 个 API 非常相似，但可能不完全相同。

如果您需要进一步的帮助，您可以查看PyOCR中的工作方式。 如果您决定在您的项目中使用PyOCR ，请注意 PyOCR 的许可证是 GPLv3+，这意味着一些限制。