如何提高读取的tesseract准确性？

Question

我想获得以下预期结果。您能给我一些改善结果的建议吗？

• 输入图片

• 预期结果

流 動 資 産
固 定 資 産

• 实际结果

産 産
資 資
動 定

• 再现结果

$ git clone https://github.com/zono/ocr.git
$ cd ocr
$ git checkout 0f2541eac302dd1fe2efbbd3b36e7ba40a99d232
$ docker-compose up -d
$ docker exec -it ocr /bin/bash
# /usr/local/bin/tesseract /ocr/src/bssample7.png stdout -l jpn
産 産
資 資
動 定

• 版本

$ docker -v
Docker version 19.03.5, build 633a0ea

# tesseract -v
tesseract 4.1.1-rc2-22-g08899
 leptonica-1.79.0
  libjpeg 8d (libjpeg-turbo 1.5.2) : libpng 1.6.34 : libtiff 4.0.9 : zlib 1.2.11

Answer 1

您需要使用另一种页面分割方法来获得预期的结果。

尝试在命令中附加-psm 6 ，使其看起来像这样：

$ tesseract /ocr/src/bssample7.png outputfilename -l jpn --psm 6

在这里您可以了解不同的方法：

https://github.com/tesseract-ocr/tesseract/wiki/ImproveQuality#page-segmentation-method

亲切的问候

Answer 2

我从Tesseract OCR Read Horizontally rather than Vertically C#

找到了解决方案

# /usr/local/bin/tesseract /ocr/src/bssample7.png stdout -l jpn --psm 6
流 動 資 産
固 定 資 産