通过Tesseract改善结果

Question

我有一份文件（pdf），其中包含一些印地语的文字。我使用http://example.com/notify/将其转换为.tiff图像，命令为：

magick convert -density 300 filename.pdf -depth 8 test.tiff

然后，我使用tesseract在.tiff图片上执行OCR：

C:\Users\H.P\Downloads>tesseract test.tiff test1.txt -l hin
Tesseract Open Source OCR Engine v3.05.01 with Leptonica
Page 1
Page 2
Page 3

但结果根本不适合。我可以选择改善结果：

1. 预处理图像。
2. 针对特定字体训练Tesseract。

鉴于.pdf文件中文本的清晰度，我倾向于假设它不需要任何预处理。但是，由于文本在列中，因此可能需要一些分段。我不确定应该采取什么措施，而是在做任何事之前想到了。

那么，为了让Tesseract表现得更好，应该对给定的图像做些什么呢？

该文件类似于： ImageMagick