Question

我想使用Tesseract识别具有典型字体的单个无噪音字符（例如Times New Roman，Arial等等。没有奇怪的字体）。输入图像只包含字符，因此输入图像大小等于字体大小。

我已经将页面分割模式设置为单个字符，但结果仍不理想，错误率为~50％。

如果我告诉Tesseract我的字体大小是什么，我认为我可以改进我的结果。有这样的参数吗？另外，如果它存在，python-tesseract（Python包装器）是否允许调整此参数？

Answer 1

如果您的字体太小，请增加图像的高度和宽度，以便tesseract提供更准确的输出。

        var srcImage1 = System.Drawing.Image.FromFile(@"D:\Image\font_english.jpg");
        var newWidth1 = (int)(srcImage1.Width * 2);
        var newHeight1 = (int)(srcImage1.Height * 2);

        var image  = new Bitmap(srcImage1, new Size(newWidth1, newHeight1));
        var ocr = new Tesseract();

          ocr.Init(@"D:\OCRTEST\tessdata\", "eng", false);
          ocr.SetVariable("tessedit_char_whitelist", "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ-0123456789'?.;=,()");
          var result = ocr.DoOCR(image, Rectangle.Empty);
          foreach (Word word in result)
          {
              Response.Write(word.Text+" ");

          }

Tesseract OCR：字体大小参数（单字符）

1 个答案: