在收据上使用Tesseract时如何获得更好的结果？

Question

我正在用Java构建一个应用程序，该应用程序可以扫描收据，并使用带有tesseract库的OCR提取所有文本。我已经在2张图像上运行了该程序，一张是我拍摄的，另一张是来自互联网的，我获得的效果几乎与互联网上的一张差不多，但是从我的图像中得到了随机字符串。我该如何改变呢？我需要高分辨率的高质量图像吗？

我试图拍摄更好的图像，甚至只是一个单词的图像，但我什么都没得到。

Tesseract instance = new Tesseract();
instance.setDatapath(pathToMyTessData); 
instance.setLanguage("fra");

String result = instance.doOCR(new File(myReceiptFile));
System.out.println(result);

我要扫描的收据包含很多我不想提取的信息（对我无用），有什么方法可以仅提取食物项目，日期，总数等吗？

P.S：我的机票看起来像this

Answer 1

也许您应该训练您的tesseract，还有另一篇关于此的文章。 here

Answer 2

您可能会错过这个主题image processing to improve tesseract OCR accuracy

如果要获得理想的结果，也许需要进行自定义布局分析，以便将包含文本的区域（=>相同的字体大小）发送到tesseract。