如何在日语窗口操作系统中编码日语文本？

Question

我正在使用 Tesseract 来阅读日语文本。我从 OCR 收到以下文本。日付 請求書C++代码 extern "C" _declspec(dllexport) char* _cdecl Test(char* imagePath)    {        char *outText;        tesseract::TessBaseAPI *api = new tesseract::TessBaseAPI();        // Initialize tesseract-ocr with English, without specifying tessdata path        if (api->Init("D:\\tessdata", "jpn", tesseract::OcrEngineMode::OEM_TESSERACT_ONLY))        {            fprintf(stderr, "Could not initialize tesseract.\n");                   }        api->SetPageSegMode(tesseract::PageSegMode::PSM_AUTO);              outText = api->GetUTF8Text();        return outText;    }C＃[DllImport(DllName, CallingConvention = CallingConvention.Cdecl)]        public static extern string Test(string imagePath);        void Tessrect()        {            string result = Test("D:\\japan4.png");            byte[] bytes = System.Text.Encoding.Default.GetBytes(result);            MessageBox.Show(System.Text.Encoding.UTF8.GetString(bytes));        }输入文件：、上面的代码在窗口英语中工作正常。但它在窗口日语中不起作用。它在 windows 的 Japanes 操作系统中给出了错误的输出。任何人都可以指导我如何正确使用 Japanes Window 吗？

Answer 1

您必须首先从 imagePath 制作一个图像对象。

就我而言，这是通过使用著名的 opencv 来完成的。然后，使用 SetImage 功能。

void detectJpn(cv::Mat& img)

{

    char *outText;

    // Create Tesseract object

    tesseract::TessBaseAPI *ocr = new tesseract::TessBaseAPI();

    ocr->Init(NULL, "jpn", tesseract::OEM_TESSERACT_ONLY);

    // Set Page segmentation mode to PSM_AUTO (3)

    ocr->SetPageSegMode(tesseract::PSM_AUTO);

    ocr->SetImage((uchar*)img.data, img.size().width, img.size().height, img.channels(), img.step1());

    // Run Tesseract OCR on image

    outText = ocr->GetUTF8Text();

    // print recognized text

    std::cout << outText << std::endl; // Destroy used object and release memory ocr->End();

    //ocr->Clear();

    //ocr->End();

    delete ocr;

    ocr = nullptr;

}

int main(int argc, char *argv[])

{

    cv::Mat img = imread(argv[1], cv::IMREAD_UNCHANGED);

    detectJpn(img);     

    return 0;

}

Answer 2

您正在向非 UTF-8 的窗口发送 UTF-8 文本。您需要在显示之前进行转换

这是可能导致问题的代码（因为它尝试使用您无法控制的默认系统编码）；byte[] bytes = System.Text.Encoding.Default.GetBytes(result);

您是否尝试在那里使用 Encoding.UTF8 ？

如果单独这样做不起作用，请尝试在下面的行中将 Encoding.UTF8 更改为 Encoding.Default。