Tesseract OCR库对图像的要求是什么才能准确提取文本？

Question

我正在使用Tesseract库从图像中提取文本。语言是越南语。我有两张照片。第一个来自一个网站。第二个是从Wordpad程序中截取的截图。它们显示在下面的链接中：

1

2

第一个准确率为95％。

  

Báncănhộtầng5khutậpthểThànhcôngBắc，DT 28m2，gầnchợThànhCông，   所以   đỏ，chínhchủ，giá800trệu.LH：A.Châu，0979622551,0905685336

第二张图片要大得多，但准确度只有60％左右。

  

Bặncănhộtầngậkhutậpthểểhànhgông   BAC。 llĩ28平方米。 gânchợợllànhBông。 sũIlỏ。   chínhl：lIlì。 giá800lriệu。 l.ll：A.BhâU，   0979622551,0905685336

我必须修复第二张图片以获得与第一张图片一样准确的文字吗？

Answer 1

正如@ {{{{{{}}中的@ user898678所述 以下操作可以提高OCR的准确性：

• 修复DPI（如果需要）300 DPI最小
• 修正文字大小（例如12磅应该没问题）
• 尝试修复文本行（deskew和dewarp text）
• 尝试修复图像的照明（例如，没有图像的暗部分） 二值化和去噪图像