tesseract 3.02识别汉字的问题方面的问题

[英明决策]

我是一个tesseract方面的菜鸟，最近想通过tesseract3.02来识别图片中的文字，但是我的代码当调用“eng.traindata”库时对图片上的英文有很好的识别效果，但是调用“chi_sim.traindata”文字库时识别图片上的汉字都是乱码。希望大家能够帮助我，谢谢大家了。


代码：
#include "stdafx.h"
#include "baseapi.h"
#include "strngs.h"
int _tmain(int argc, _TCHAR* argv[])
{
const char * image = "image1.jpg";
tesseract::TessBaseAPI api;
//api.Init(NULL, "eng", tesseract::OEM_TESSERACT_ONLY);//识别英文
api.Init(NULL, "chi_sim", tesseract::OEM_TESSERACT_ONLY);//识别汉字
STRING text_out;
if (!api.ProcessPages(image, NULL, 0, &text_out))
{
printf("Can not read this picture!!!");
return 0;
}
printf(text_out.string());
getchar();
return 0;
}

[赵4老师]

#include <locale.h> setlocale(LC_ALL,"chs"); 对电脑而言没有乱码，只有二进制字节；对人脑才有乱码。啊 GBK:0xB0 0xA1,Unicode:0x4A 0x55,UTF-8:0xE5 0x95 0x8A

[英明决策]

你好，谢谢你的帮助。不过我还是不太明白为什么会出现too many unichars in ambiguity on line 2748432，这是因为我用的查找英文的方式开搜索汉字字库吗？

[夏梦c]

识别的结果要进行转码

[GAOYANGAOYANGAOYAN]

你好，请问你问题解决了吗？我识别出来也遇到了跟你一样的问题不知道怎么回事呢，如果解决了，麻烦说下呢

[神-气]

引用 4 楼 GAOYANGAOYANGAOYAN 的回复:

你好，请问你问题解决了吗？我识别出来也遇到了跟你一样的问题不知道怎么回事呢，如果解决了，麻烦说下呢

这个输出的字符串是utf-8编码的，你可以在记事本里面用utf-8格式查看。

[yzsyb]

我也有too many unichars in ambiguity on line *** 这个问题，没找到原因和方法 有知道的高手求指点

[大O江湖]

tesseract，首先训练，累级训练三到四次，生成自己的文字样本，如果你会编程的话，先对图像进行白底黑字二值化处理。

[ceijiajia]

我也遇到这个问题，如何解决啊？求大神指点

[sunjunlishi]

me,too

[ZhanCF]

引用 1 楼 zhao4zhong1 的回复:

#include <locale.h> setlocale(LC_ALL,"chs"); 对电脑而言没有乱码，只有二进制字节；对人脑才有乱码。啊 GBK:0xB0 0xA1,Unicode:0x4A 0x55,UTF-8:0xE5 0x95 0x8A

赵老师无处不在~