我正在使用Tesseract为一些屏幕截图执行OCR。屏幕截图中的字符位于raster fonts。但Tesseract需要True Type Font文件进行培训。
我可以在Windows/Fonts文件夹中找到许多真实类型的字体文件。我想知道是否有光栅字体？
答案 0 :(得分：2)
“光栅字体”不是一个真实的东西：OpenType（其中truetype是两个内部编码之一）是真正的字体，符合highly detailed, authoritative specification，但光栅字体几乎“有没有单一的规范，只要你的程序知道如何解包你制作的东西“，你就可以发明任何你想要的东西。定义栅格/位图字体有很多种不同的方法，所有这些方法基本上都是bitmap image + header that says which letter maps to which x/y/w/h rectangle in the image形式。
OCR不希望使用它们，因为位图字体无法缩放：最简单的原因是“没有官方位图字体规范”，但即使有，如果你试图将位图字体与OCR结果然后整个页面的宽度或高度相差一个像素，相对于你的位图字体需要的内容可以导致任何文本都没有匹配。 Bbitmap字体被编码为固定为字体大小（通常只有一个，有时多于一个，但仍然严格固定），因此如果扫描的文档不是正好正确的大小，则所有像素都不会完美重叠，导致O和V之类的荒谬事物与V和O匹配，具有相同的可靠性，因为垂直移动的微小像素可以使V和O重叠相同数量的误差像素。
另一方面，OpenType字体使用矢量轮廓，并且可以缩放以与各种非常成功的算法最佳匹配。除非您扫描的文档“非常小”，否则矢量转换将产生90-100％的匹配而没有任何问题。
你要做的事情就是点击像MyFont.com的What The Font!这样的东西，然后用一个句子（可能是两个）放入你的扫描文档，然后让它告诉你哪个字体最接近匹配它，然后只需使用该字体进行OCR培训。超级有效！