在python中从图像中提取希伯来语文本

Question

我想从图像中提取希伯来文字。

我尝试过使用pytesseract，但是它使一些字母感到困惑（例如，用'代替י或נ代替כ）

我尝试对图像进行一些操作（例如调整大小，消除噪点和二值化），虽然有一些帮助，但仍然存在很多错误。

我花了数小时寻找更好的文本提取工具，但找不到。

这是我的问题：

A）有没有我可以错过的工具？

B）如果没有，创建我自己的步骤是什么？

预先感谢， 阿米猜

Answer 1

选择正确的OCR可能很困难，但是您似乎已经步入正轨（如this Stackoverflow帖子中所示）。

通常，如果您对Tesseract的质量不满意，那么您似乎（主要是）不走运；从我阅读的内容来看，似乎在 OCROpus，尽管这似乎不如PyTesseract方法简单。
另外，更深入地研究GitHub repository of Tesseract可以发现，正在积极开发基于LSTM的4.0版本，可能可以为您带来更好的结果。我尚不完全了解PyTesseract所使用的Tesseract版本，但可能值得研究，因为替换Tesseract比在一个全新的环境中容易。

PS：至于“如何建立自己的OCR”这个问题，我强烈建议不要这样做。仅收集所有数据并正确掌握基础知识将花费您大量的精力，并且通常不值得您花费时间。如果您获得了所有有用的东西，它可能仍会比提供的任何库都差。