Tesseract混合“1”和“7”，尽管训练确切的字体

Question

我使用tesseract从图像中获取文本，我只对数字感兴趣。我已经训练了tesseract并创建了一种新的语言，它是图像中的确切字体，训练数据只包括数字。在训练数据中，我还包括了图像中的每个可能值，1-5000是特定的，并且还创建了这些相同值的词表。然而它仍然混合了1和7，有时还混合了3和8.是否有人建议我是否应该重新训练或者在给予tesseract之前对图像进行一些处理？

Answer 1

1. 确保您提供给tesseract的培训文本中至少有20个每个字符的实例。我提供至少6页相同的字体，以获得不错的训练样本量。

2.Tesseract文本识别还取决于图像质量。查看可以使用的可能的预处理算法：Improve Quality of Tesseract

1. 查看number_dawg文件。修改它可以帮助识别数字。