用于屏幕文本的 OCR（光学字符识别）

Posted 2023-04-17

【中文标题】用于屏幕文本的 OCR（光学字符识别）

【英文标题】：OCR (Optical Character Recognition) for on-screen text

【发布时间】：2010-10-28 03:05:50

【问题描述】：

我正在尝试创建一个软件，通过捕获屏幕截图来自动化 PC，然后 OCR（光学字符识别）它会寻找一个特定的按钮来点击（例如）。我有鼠标和键盘控制部分，但现在，我需要一个 OCR 来处理屏幕截图。我发现 Tesseract OCR 似乎不能很好地处理屏幕上的文本。文本太小，或者某些文本似乎是连接的，例如 K 和 X。我应该如何处理？

p/s：这是一个自动化测试程序。

【问题讨论】：

你能在测试机器上增加文本大小并调整字体吗？

你到底想测试什么？如果它是一个简单的测试程序，您可以使用 SendMessage 和 GetWndText 查询 Windows 以搜索您喜欢的按钮和控件。为什么要忙于 OCR？

我可以调大文本大小，但是应用程序内部的某些字体如果不修改代码就无法调大。

【参考方案1】：

我不确定这是否真的适合您，但我在自动化领域看到的一些更好的 OCR 是由 Tevron 的 CitraTest 完成的。它包含一个字体库，如果字体集不存在，他们将根据您提交的内容创建一个新字体。此工具的不利因素是成本以及与可变屏幕分辨率相关的常见问题。

【参考方案2】：

也许在 OCR 之前查看 this question 上的图像增强。 否则这个问题与"OCR for .NET" 非常相似。

如果您真的很大胆，您可以随时提出一个简单的基于感知器或神经网络的方法 :-)