如何提高Tesseract的OCR文本的准确性？

Question

我创建了一个基本应用，用于使用Google的Tesseract API识别文本，并将其与我的相机应用集成。它工作正常，但唯一的问题是准确性，因为有时文本被识别为一组随机字符，我猜准确率约为50％。

此外，当它尝试扫描图像中的四个以上的单词时，应用程序崩溃。

String ocrText = baseApi.getUTF8Text();
baseApi.end();

其中baseApi是Tesseract API类的对象。

我是否需要使用不同的数据结构来保存已识别的文本，还是有其他原因导致超过四个单词无法识别？

Answer 1

Tesseract API类提供isValidWord方法来检查字符串是否为有效字。您可以使用它来检查识别的字符。这将提高输出的准确性。

我正在使用Tess4j进行开发这是tesseract-ocr的Java JNA包装器，它在检查后提供了非常好的结果。

不准确的结果可能是由于文字大小，请检查this。它说“准确度下降到10pt x 300dpi以下，迅速低于8pt x 300dpi。”

此外，无法检测超过4个单词取决于很多因素，测试图像的类型（具有多少功能），图像的大小，平台等。