Tesseract是否忽略了扫描文档中的任何非文本区域？

Question

我正在使用Tesseract，但我不知道它是否忽略了任何非文本区域并仅定位文本。我是否必须删除任何非文本区域作为更好输出的预处理步骤？

Answer 1

Tesseract有一个非常好的算法来检测文本，但它最终会给出假阳性的匹配。

理想情况下，您需要在将图像提交给tesseract之前对其进行预处理。前段时间我参与了类似的任务，所以我建议你看一下以下材料：

• OpenCV C++/Obj-C: Detecting a sheet of paper / Square Detection

• Executing cv::warpPerspective for a fake deskewing on a set of cv::Point

• Rotate cv::Mat using cv::warpAffine offsets destination image

• Affine Transform, Simple Rotation and Scaling or something else entirely?