一、技术简述
OCR（光学字符识别）技术原理可以概括为：将图像中的文字区域检测出来，并将其中的字符形状转换成计算机可编辑的文本编码。其核心流程从输入图像到输出文本，通过机器学习或模式识别技术，对图像中的文字进行识别和转换
二、开发环境搭建
要使用 MSVC 方式编译运行
2.1 核心依赖库
Tesseract OCR：文字识别引擎，需要准备开发库（含头文件和 .lib/.a 文件）和语言数据包（如 chi_sim.traineddata）。
Leptonica：Tesseract 依赖的图像处理库，通常随 Tesseract 一起提供。
OpenCV (可选但推荐)：用于图像预处理，提升识别准确率。
2.2 编译 OCR 所需的依赖库
2.2.1 采用 CMake 编译（麻烦）
https://blog.csdn.net/happydeer/article/details/141561569
2.2.2 采用 vcpkg 编译
// 1. 安装 vcpkg
git clone https://github.com/microsoft/vcpkg
cd vcpkg
bootstrap-vcpkg.bat// 2. 安装 OCR 库
vcpkg install tesseract:x64-windows
会自动安装：
tesseract
leptonica
libpng
libjpeg
libtiff
webp
zlib
全部自动编译。
2.3 Qt 项目配置 (.pro 文件)
将下载的库文件放入项目目录，并修改 .pro 文件，添加头文件路径和库链接
# 配置 Tesseract 和 Leptonica 库
INCLUDEPATH += $$PWD/tesseract/include \$$PWD/leptonica/includeLIBS += -L$$PWD/tesseract/lib -ltesseract41 \-L$$PWD/leptonica/lib -lleptonica-1.78.0
2.4 运行时注意事项
动态链接库：需要将 tesseract41.dll、leptonica.dll 等文件复制到最终生成的可执行文件目录下。
语言包路径：程序运行时需要找到 tessdata 文件夹，里面存放 eng.traineddata（英文语言包）、chi_sim.traineddata（中文语言包） 等文件。
三、核心代码实现
3.1 在 Qt 项目中引入头文件
#include <tesseract/baseapi.h>
#include <leptonica/allheaders.h>
#include <opencv2/opencv.hpp> //可选3.2 Opencv 预处理
OpenCV 的预处理是 OCR 流程中至关重要的环节，合理的图像预处理能显著提升 Tesseract 等引擎的识别准确率。下面详细说明你列出的四个核心操作，并给出 C++ 代码示例和调参建议。
3.2.1 灰度转换（cv::cvtColor）
目的：将彩色图像转为灰度图，减少颜色通道干扰，降低计算量。OCR 通常只关注亮度信息，颜色几乎不提供有用特征。
代码示例：
cv::Mat img = cv::imread("input.jpg");
cv::Mat gray;
cv::cvtColor(img, gray, cv::COLOR_BGR2GRAY);
原理：灰度转换公式通常为 Y = 0.299*R + 0.587*G + 0.114*B，将 RGB 三个通道映射为一个亮度值（0~255）。
3.2.2 缩放图片（cv::resize）
目的：将图像调整到合适的分辨率。过小的图像（如字体低于 20 像素）会导致字符细节丢失；过大的图像会降低处理速度且可能引入噪点。通常将文字高度缩放到 30~50 像素 左右可达到较好平衡。
代码示例：
cv::Mat resized;
double scale_factor = 2.0; // 根据需要调整
cv::resize(gray, resized, cv::Size(), scale_factor, scale_factor, cv::INTER_LINEAR);
// 或者指定目标宽度：
// cv::resize(gray, resized, cv::Size(800, 600));
注意：插值方法可选 INTER_LINEAR（默认，适合放大）或 INTER_CUBIC（更平滑）。对于文本，保持长宽比通常更为重要。
3.2.3 中值滤波（cv::medianBlur）
目的：去除图像中的孤立噪点（如扫描仪的颗粒、屏幕截图时的像素杂点），同时尽量保持文字边缘清晰。中值滤波对椒盐噪声效果尤其好。
代码示例：
cv::Mat denoised;
cv::medianBlur(resized, denoised, 3); // 核大小通常为奇数，如 3、5
调参：核越大去噪越强，但可能模糊文字。对于高分辨率图像，核大小可设为 3 或 5；对于噪声严重的图像，可尝试 5。
3.2.4 自适应二值化（cv::adaptiveThreshold）
目的：将灰度图转换为黑白二值图，使文字与背景对比最大化，便于 Tesseract 等算法提取字符轮廓。相比全局阈值，自适应二值化能处理光照不均匀的情况。
代码示例：
cv::Mat binary;
cv::adaptiveThreshold(denoised, binary, 255, cv::ADAPTIVE_THRESH_GAUSSIAN_C, cv::THRESH_BINARY, 11, 2);
参数说明：
255：二值化后的最大值（白色）ADAPTIVE_THRESH_GAUSSIAN_C：使用高斯加权邻域计算阈值（也可用ADAPTIVE_THRESH_MEAN_C）THRESH_BINARY：二值化类型11：邻域块大小（奇数，决定局部区域范围），一般取 11~31 之间2：从均值或加权和中减去的常数，用来微调灵敏度
预处理流程组合示例
#include <opencv2/opencv.hpp>cv::Mat preprocessForOCR(const std::string& imagePath) {cv::Mat img = cv::imread(imagePath);if (img.empty()) return cv::Mat();cv::Mat gray, resized, denoised, binary;// 1. 灰度化cv::cvtColor(img, gray, cv::COLOR_BGR2GRAY);// 2. 缩放（假设文字过小，放大2倍）cv::resize(gray, resized, cv::Size(), 2.0, 2.0, cv::INTER_LINEAR);// 3. 中值滤波去噪cv::medianBlur(resized, denoised, 3);// 4. 自适应二值化cv::adaptiveThreshold(denoised, binary, 255,cv::ADAPTIVE_THRESH_GAUSSIAN_C,cv::THRESH_BINARY, 11, 2);return binary;
}
为什么这些步骤对 OCR 重要？
| 操作 | 解决的问题 | 对 Tesseract 的影响 |
|---|---|---|
| 灰度转换 | 颜色干扰 | 聚焦文字形状，减少误判 |
| 缩放 | 文字过小或过大 | 保证字符细节清晰，适应引擎训练时的尺寸范围 |
| 中值滤波 | 噪点、颗粒 | 避免将噪点误认为字符笔画 |
| 自适应二值化 | 光照不均、背景复杂 | 形成清晰的文字/背景分割，提高字符定位精度 |
3.3 封装 OCR 识别函数
https://www.cnblogs.com/linuxAndMcu/p/19051355#_label0
#include <tesseract/baseapi.h>
#include <leptonica/allheaders.h>int main() {// 初始化Tesseract APItesseract::TessBaseAPI *ocr = new tesseract::TessBaseAPI();// 初始化API，路径设置为tessdata目录的位置if (ocr->Init(NULL, "eng")) {fprintf(stderr, "Could not initialize tesseract.\n");return 1;}// 打开一个包含文字的图像文件Pix *image = pixRead("E:\\Learn\\learnGit\\untitled2\\ditto.png");ocr->SetImage(image);// 获取识别出的文本char *text = ocr->GetUTF8Text();printf("识别出的文本: %s\n", text);// 清理内存delete [] text;pixDestroy(&image);ocr->End();return 0;
}