tesseract 多線程 c#

Question

我有一個 tesseract 的代碼可以在 1 個實例中運行我如何並行化代碼以便它可以在四核處理器或 8 核處理器系統中運行。這是我的代碼塊。提前致謝。

  using (TesseractEngine engine = new TesseractEngine(@"./tessdata", "tel+tel1", EngineMode.Default))
        {

            foreach (string ab in files)
            {
                using (var pages = Pix.LoadFromFile(ab))
                {
                    using (Tesseract.Page page = engine.Process(pages,Tesseract.PageSegMode.SingleBlock))
                    {
                        string text = page.GetText();
                        OCRedText.Append(text);
                    }

                }
            }

Answer 1

並行運行此代碼的最簡單方法是使用PLINQ 。 在枚舉上調用AsParallel（）將自動在所有可用CPU內核上同時運行緊隨其后的查詢（ .Select（...） ）。

僅並行運行線程安全代碼至關重要。 假設TesseractEngine和Pix.LoadFromFile（）是線程安全的（正如您在評論中建議的那樣，我自己沒有對其進行驗證），則唯一有問題的部分可能是OCRedText.Append（） 。 從代碼尚不清楚OCRedText是什么，因此我假設它是StringBuilder或List，因此它不是線程安全的。 因此，我從將要並行運行的代碼中刪除了這部分，然后稍后在單線程中對其進行處理-由於方法.Append（）可能運行速度很快，因此這不會對整體性能產生重大不利影響。

using (TesseractEngine engine = new TesseractEngine(@"./tessdata", "tel+tel1", EngineMode.Default))
{
    var texts = files.AsParallel().Select(ab =>
            {
                using (var pages = Pix.LoadFromFile(ab))
                {
                    using (Tesseract.Page page = engine.Process(pages, eract.PageSegMode.SingleBlock))
                    {
                        return page.GetText();
                    }
                }
            });

    foreach (string text in texts)
    {
        OCRedText.Append(text);
    }
}

Answer 2

這對我有用：

static IEnumerable<string> Ocr(string directory, string sep)
    => Directory.GetFiles(directory, sep)
        .AsParallel()
        .Select(x =>
        {
            using var engine = new TesseractEngine(@"D:\source\repos\WPF\OcrTest\tessdata\", "deu", EngineMode.Default);
            using var img = Pix.LoadFromFile(x);
            using var page = engine.Process(img);
            return page.GetText();
        }).ToList();

我不是並行化問題的專家，但是這個 function ocr 在 12 秒內完成了 8 個 Tiff。