Question

我在iOS 8中使用Tesseract作为基于OCR的应用，但它错误地将图像中的“÷”符号转换为加号“+”符号。

例如，此图片

Simple arithmetic expression

始终转换为文本字符串“8 + 4 + 4”。它应该是“8 + 4÷4”。

我尝试使用不同的训练数据语言文件“eng + equ”，“ita”，将“÷”添加到白名单，将ocr_engine变量设置为立方体，将图像转换为灰度或黑色＆amp;白色，将图像增大2倍和4倍。

我尝试过的所有内容总是返回加号“+”而不是分号“÷”符号。

我尝试仅使用“equ”训练的数据文件并且正确返回分割符号 - 但所有其他字符都是垃圾。

我一直在研究这个问题（谷歌，Stackoverflow）几天，但无法理解。

如何让Tesseract包含并识别除“÷”符号？

更新：

我能做的最好的事情是将AVCaptureSession预设设置为高

AVCaptureSession *session = [[AVCaptureSession alloc] init];
session.sessionPreset = AVCaptureSessionPresetHigh;

尺寸以上的拍摄图像为676×405像素。使用Tesseract OCR UIImage类别（图像命名为“source”）来对图像进行二值化：

// Binarize the source image to improve contrast (using the UIImage category provided by TesseractOCR)
UIImage *blackAndWhiteImage = [source blackAndWhite];
[self.tesseract setImage:blackAndWhiteImage];

这通常会将分割符号转换为文本“-1-”，但我看到“ - ： - ”以及减号之间的其他数字和大写字符。

我可以在返回的文本中检查它。但是，不可能知道是否将返回的文本“8-1-2”视为真正的减法或“可能”除法。

Answer 1

使用不同的字体训练或引擎。

Here是培训引擎的工具。看看this也

或者您可以使用JTessBoxEditor

Answer 2

确保您的“白名单”包含“÷”符号。

在swift中，这样做：tesseract.setVariableValue("0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ:;,.!-()#&÷", forKey: "tessedit_char_whitelist")

在objective-C中，这是代码：

[tesseract setVariableValue:@"0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ:;,.!-()#&÷" forKey:@"tessedit_char_whitelist"];

您可以根据需要自定义字符集。

Answer 3

似乎符号未包含在现有数据中。您需要train表示该符号，然后将结果训练数据与现有符号结合使用。

您可以使用jTessBoxEditor等工具来协助您完成培训。

Answer 4

您还可以尝试通过unicharambigs文件捕获此歧义。阅读更多 https://github.com/tesseract-ocr/tesseract/blob/master/doc/unicharambigs.5.asc

1       +       1      ÷    0

Tesseract将其读作“可选（上述配置中的尾随0）将1字符序列'+'替换为1字符序列'÷'”。

Answer 5

在Swift中，更改engineMode对我有用

let tesseract = G8Tesseract(language: "eng")!
tesseract.engineMode = .tesseractCubeCombined

Tesseract OCR不会识别分区符号“÷”

5 个答案: