Question

我正试图从屏幕截图中检测到一些大写字符。我用PIL将它转换为黑白，然后使用PyTesser页面中的代码示例，我在图像上运行tesser.exe：

from pytesser import *
image = Image.open('fnord.tif') 
print image_to_string(image)

我正在使用此图片：

但是它不承认它是E，或者真的是什么东西。我认为这是一个足够干净的捕获？顶部的噪音并没有把它扔掉，对吧？

有什么我想念的吗？

Answer 1

如果您担心噪音是否有问题，请在MSPaint或类似设备中手动打开图像，消除噪音，然后通过OCR运行新图像。这是了解OCR引擎如何工作以及混淆和不混淆的最佳方式。每个OCR引擎的工作方式都不同。

在这种情况下，可能是一小部分噪音也使字符分区过程混乱。您应该检查从OCR引擎返回的边界框值，以查看OCR引擎是否正在查找您的单词或字符的正确位置。

某些OCR引擎可以选择在OCR过程中从图像中消除噪音。这通常被称为去斑或去噪。使用Leptonica（http://www.leptonica.org）可以消除噪音，这是最新的Tesseract图像的一部分。

屏幕字体对OCR引擎构成了巨大挑战，因为DPI通常非常低。在你的'E'的情况下，应该有足够多的像素被识别。重型行程重量可能会使发动机混乱。

此外，商用发动机通常比Tesseract更准确，但也会收取昂贵的许可证费用。