Tesseract OCR水平读取而不是垂直读取C＃

Question

我们有一个C＃.Net应用程序，它使用Tesseract在.tiff文件上进行光学字符识别（OCR）。这是一个例子：

然后我们将数据输出到文本文件。但是，Tesseract正在以垂直方式读取数据。在我的示例图像中，它正在读取tiff作为两列数据和数据从Tesseract输出的数据如下：

TYPE： 日期： 地址： 市： 州： 所有者： 所有者类型： 面积： 抵押： 12345 2017年4月6日 100 Main St. 一些城市 一些国家 约翰·多伊 主 10.25 是

我们想要的是Tesseract水平读取tiff文件并使输出看起来像这样：

TYPE：12345 日期：2017年4月6日 地址：100 Main St. 城市：一些城市 州：某州 所有者：John Doe 所有者类型：主要 面积：10.25 抵押：是

我们尝试过Tesseract的各种Page Sementation选项，但它们都会产生相同的结果。

有没有人遇到同样的问题？有人有什么想法吗？

Answer 1

我找到了解决方案。 Tesseract有一组配置文件。其中几个配置文件中的设置是 tessedit_pageseg_mode 。在所有配置文件中将此设置设置为1。 1=Automatic page segmentation with OSD. OSD=Orientation and script detection.

最重要的是，这些配置文件设置覆盖了我们的命令行参数。从配置文件中删除 tessedit_pageseg_mode 参数后，我们的命令行参数为

-psm 6 以所需格式工作并生成输出数据。

psm=Page Segmentation Mode. 6=Assume a single uniform block of text

-psm 4 也有效

psm=Page Segmentation Mode. 4=Assume a single column of text of variable sizes

Answer 2

我知道这是一篇老文章，但是今天我遇到了同样的问题。

使用engine.SetVariable("tessedit_pageseg_mode", 6);设置分段模式无效。

由于某种原因，我没有在配置文件中找到它。

解决方案：

engine.DefaultPageSegMode = PageSegMode.SingleBlock;