Xamarin.AndroidでTesseract-OCRを利用する

Googleがオープンソースで公開してるTesseract-OCRをXamarin.Androidから利用してみる。

手順例

NuGet

• NuGetから「Xamarin.Tesseract」を入れる。

学習データ

• 学習データをダウンロードしてくる。

  https://github.com/tesseract-ocr/tessdata/tree/3.04.00

• Assetsフォルダに「tessdataフォルダ」を作る。

  ビルド時にエラーになるときはプロジェクトファイル（.csprojファイル)を開いて「tessdataフォルダ自体がアセットに追加されている」のを消せ。

• 「tessdataフォルダ」に学習データ（***.traineddata）を入れる。

  日本語であれば「jpn.traineddata」だ。

• 学習データ（***.traineddata）のビルドアクションを「AndroidAssets」にする

  ビルドアクションは右クリックだ。

実行例

    // 初期化
    var tesseract = new TesseractApi(this, AssetsDeployment.OncePerInitialization);

    // 引数はjpn.traineddataなら「jpn」
    // 英語（eng.traineddata）と混在させる場合は「eng+jpn」などとする。
    var result = await tesseract.Init("jpn");
    if (!result)
    {
        throw new Exception();
    }

    // SetImageでOCRが実行される。
    // ファイルパス指定でもStreamでもいける。
    await tesseract.SetImage(image);

    // OCRの結果はTextプロパティに格納される
    _textView.Text = tesseract.Text;

日本語もそこそこ取れてはいるが微妙なレベルで悩ましい。