Tesseract SetVariable tessedit_char_whitelist用另一种语言

Question

Tesseract setVariable白名单适用于英语，例如我用它来识别图像中的数字和字母（不包括特殊字符＆amp; * ^％！等）

_ocr.SetVariable("tessedit_char_whitelist",
"0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ");

但我不能对泰语做同样的事情

_ocr.SetVariable("tessedit_char_whitelist","0123456789กขคงจฉ");

有不同的原则吗？因为这不起作用。我没有收到所有确定的字符，而只收到输出中的数字，tesseract忽略了我放入白名单的所有泰语字母。

如何正确传递此变量？

Answer 1

您可能需要首先使用泰语语言包...请参阅此处的下载列表https://code.google.com/p/tesseract-ocr/downloads/list

然后您需要在代码中将“eng”替换为“tha”以将新语言数据用于OCR