? Github Star: 34.3k[1]
? 官網(wǎng)[2]
Tesseract.js 是一個(gè)基于 JavaScript 的開源 OCR（光學(xué)字符識別）引擎。
Tesseract.js 是什么？
Tesseract.js 是一個(gè)純 JavaScript 庫，它提供了在瀏覽器中運(yùn)行 Tesseract OCR（光學(xué)字符識別）引擎的能力。由 Google 維護(hù)的開源 OCR 引擎，可以識別多種語言的文本，包括自動文本方向和腳本檢測，以及提供簡單的接口來讀取段落、單詞和字符的邊界框。通過 Tesseract.js 可以在不依賴服務(wù)器的情況下，直接在客戶端瀏覽器中處理圖像中的文本識別任務(wù)。具有以下特點(diǎn)：
? 多語言支持：支持超過 100 種語言的文字識別，覆蓋了全球大部分的文字系統(tǒng)，包括英文、中文、法文、德文等。
? 簡單易用的 API：提供了簡潔的 API，使得實(shí)現(xiàn)基本的 OCR 功能變得簡單。
? 高度可定制：支持設(shè)置識別語言、識別模式等參數(shù)，還提供了多頁識別、手寫字體識別等高級功能。
? 實(shí)時(shí)識別：支持靜態(tài)圖像識別以及視頻流的實(shí)時(shí)文字識別。
快速開始
安裝
安裝 Tesseract.js 可以通過 CDN 或 npm/yarn 進(jìn)行。
npm install tesseract.js
# yarn
yarn add tesseract.js
在瀏覽器中，可以直接通過 CDN 引入 Tesseract.js，或者在 Node.js 項(xiàng)目中通過 npm 安裝。
入門示例
安裝完成后，需要引入 Tesseract.js，可以使用 ES6 的 import 語法引入。下面使用 import 語法引入的示例。
// 從 Tesseract 庫中解構(gòu)出 createWorker 函數(shù)
import { createWorker } from "tesseract.js";
// 獲取按鈕元素
const btn = document.querySelector('#btn')
// 為按鈕添加點(diǎn)擊事件監(jiān)聽器
btn.addEventListener('click', async () => {
// 獲取圖片元素
const image = document.querySelector('img')
// 創(chuàng)建一個(gè) Tesseract worker，使用中文簡體識別模型
const worker = await createWorker('chi_sim')
// 使用 worker 識別圖片中的文字
const result = await worker.recognize(image)
// 在控制臺輸出識別結(jié)果
console.log(result.data.text)
// 將識別結(jié)果顯示在頁面上
document.querySelector('#result').innerHTML = result.data.text
// 終止 worker，釋放資源
worker.terminate()
})
通過簡單的幾行代碼，實(shí)現(xiàn)中文圖片的 OCR 文字識別，看效果識別率還是挺高的。
更多功能
上面我們只是簡單演示了 Tesseract.js 如何識別中文的。他還是支持更多高級的功能。如多語言識別、自定義識別參數(shù)、PDF 輸出等。它還進(jìn)行了多項(xiàng)性能優(yōu)化，包括文件大小優(yōu)化、內(nèi)存使用優(yōu)化和并行處理支持。
識別效果受到圖片質(zhì)量、文字清晰度、字體樣式等多種因素的影響。因此，在實(shí)際應(yīng)用中，你可能需要對圖片進(jìn)行預(yù)處理（如裁剪、旋轉(zhuǎn)、縮放、增強(qiáng)對比度等）以提高識別準(zhǔn)確率。
總結(jié)
Tesseract.js 是一個(gè)功能強(qiáng)大、易于使用的 OCR 庫，具有廣泛的應(yīng)用場景和廣闊的發(fā)展前景。希望本期推薦能幫到你！
祝好！
引用鏈接
[1] Github Star: 34.3k: https://github.com/naptha/tesseract.js
[2] 官網(wǎng): https://tesseract.projectnaptha.com/
該文章在 2024/10/11 8:59:56 編輯過
400 186 1886
