Android OCR应用程序：Tesseract字典

Question

我正在开发一个Android应用程序，它可以拍摄照片并将其翻译成文本。我在Windows上使用tesseract 3.

我设法让大部分翻译工作正常（在进行重新缩放，二值化，增强之后），但是某些字符仍然没有被翻译成应有的（ri - ＆gt; m，le - ＆gt; Ie等。 ）。

为了纠正这个问题，我正在考虑强迫tesseract查看我的语言词典（在我的案例中是法语）并使用最可能的词来进行翻译。当我打开法语词典时，我也很惊讶地看到每个英语单词。

有没有办法强制tesseract找到适当语言中最可能的单词？

另外，我没有在网上找到很多安卓代码示例，我不确定我是否正在进行最有效的图像预处理。这就是我目前正在做的事情，你知道我怎么能更好地改进这个吗？

photo = WriteFile.writeBitmap(Scale.scale(ReadFile.readBitmap(bitmap), 3, 3));
photo = WriteFile.writeBitmap(AdaptiveMap.backgroundNormMorph(ReadFile.readBitmap(photo)));

photo = WriteFile.writeBitmap(Binarize.otsuAdaptiveThreshold(ReadFile.readBitmap(photo))); 
photo = WriteFile.writeBitmap(Enhance.unsharpMasking(ReadFile.readBitmap(photo), 3, (float) 0.5));

感谢您的帮助

编辑：例如，这是我的结果

和文字结果：

  

Les actions sociales

     

Les actions sociales regroupentlesactivités   suivantes：Heureuxévenements+ Aide disap +Aidescolarité+ aide   étudiante+ Aide de secours，Malgréunnombredebénéficiaires plus   2012年，重要的联合国大学生活动，加上élevequ'en2012年   预算2013年allouécouvrebigment les besoins d'ou l'excédent   constatéLaC.F.T.C. ne peut que regretter la suppression en 2013 de   I'activité«abonnement enfant»car son fi nancement auraitpuétre   couvert par l'excédentconstaté

谢谢：）

Answer 1

Tesseract有user.dawg文件，您可以在其中添加要添加到词典中的单词。

但我要做的是通过额外的检查来运行输出。编写一个程序，按空格分割文本，删除标点，然后检查字典中的每个单词 - 如果单词是完全匹配，那么这是真正的单词，如果没有，则使用Levenshtein距离将其与其他单词进行比较。

我假设您的字典将是一个数据库，因此您可以做其他聪明的事情，您可以编写一个搜索确切单词的查询（显然），但是当找不到该单词时，请在SQL中使用LIKE operator以您选择的方式找到相似的单词（例如所有以相同字母开头的单词），这样您只能在以相同字母开头的单词上运行您的Levenstein距离（或者以您的方式看起来像您单词的单词）选择了），从而节省了不必要的比较。