Tesseract OCR：如何在不先保存文件的情况下直接从窗口句柄获取文本

Question

这是我能做的：

使用 msdn 中的 CaptureAnImage 函数示例将图像从窗口句柄保存到我的计算机，然后使用带有此代码的 tesseract：

STRING text_out;
tesseract::TessBaseAPI *api = new tesseract::TessBaseAPI();
// Initialize tesseract-ocr with English, without specifying tessdata path
if (api->Init(NULL, "eng")) {
    fprintf(stderr, "Could not initialize tesseract.\n");
    exit(1);
}
Pix *image = pixRead("captureqwsx.bmp");
api->SetImage(image);
api->SetRectangle(830, 95, 85, 25);
text_out = api->GetUTF8Text();
printf("OCR output:\n%s", text_out.string());

为了从指定的窗口句柄中检索文本。它有效。问题是：我觉得将图像保存到我的计算机不仅没用，而且对我的应用程序的性能可能不是很好......

我找到的解决方案是，将 SetImage 与它的第二个定义一起使用：

  void SetImage(const unsigned char* imagedata, int width, int height,
                int bytes_per_pixel, int bytes_per_line);

这就是我希望你们能帮助我的方法...我不知道如何检索图像数据、每像素字节数和窗口每行字节数...我觉得原始的 CaptureAnImage 函数应该只需稍作修改即可轻松做到这一点，但我不知道怎么做，而且我的搜索没有返回任何好的结果......

Answer 1

CaptureAnImage 有这一行

DWORD dwBmpSize = ((bmpScreen.bmWidth * bi.biBitCount + 31) / 32) * 4 * bmpScreen.bmHeight;

其中包含您需要的所有参数。

bmWidth 和 bmHeight 是宽度和高度。每个像素的位数为bi.biBitCount，设置为 32，则每个像素有 32/8 = 4 个字节。表达式乘以bmHeight是每扫描线的字节数，但是因为我们知道颜色深度是32位，所以它只是bmWidth * 4。