Tesseract虚假空间识别

Question

我正在使用tesseract来识别序列号。这是可接受的常见问题，如错误识别零和“O”，6和5，或M和H存在。 除此之外，这个tesseract为识别的单词添加了空格，图像中没有空格。以下图像被识别为“HI 3H”。

此图像会产生“FBKHJ 1R1”

所以tesseract增加了一个空间，尽管图像中没有空间。 是否有可能参数化tesseract的间距行为？

修改

对不起，忘了添加，我也有包含空格的序列号。因此，我无法删除已识别序列号中的所有空格。

例如，在将tesseract识别为 J4 F1583BB 之后，以下包含序列号空格的图像结果。除了对字符的识别是错误的，用该图像识别空间是正确的。

我对tesseract的实际参数是：

tesseract::TessBaseAPI tess;
tess.Init(NULL, "eng", tesseract::OEM_TESSERACT_ONLY);
tess.SetPageSegMode(tesseract::PSM_SINGLE_BLOCK);
tess.SetVariable("tessedit_char_whitelist",
            "ABCDEFGHIJKLMNOPQRSTUVWXYZ012345789");

char* out = tess.GetUTF8Text();
string text = string(out);

修改

从现有答案中可以看出，“J”和“I”之间的空间似乎比其他字符之间的空间要小一些。我选择的字体类型是Monotype字体。原因是我想，这有助于确定字符识别。这种Monospace字体类型的缺点是每个字符具有相同的宽度，即内核（字符之间的空格）不同。 请参阅以下来源Source

的示例图片

您认为哪种字体类型会获得更好的识别效果？

Answer 1

我不是C ++程序员，但我认为可以校准每个字母空间的宽度。我找到了这个参数＆＃34; textord_space_size_is_variable ＆＃34;在这个site中，它表示＆＃34;如果为true，则假定单词分隔符空格具有可变宽度，即使字符具有固定的音高。＆＃34;

祝你好运！ ：）