如何提高Tesseract / Tessnet2的识别速度和准确度？

Question

我已经看到，为了限制扫描错误，您可以为字符定义白名单。

但是我找不到ocr.Init(@"c:\temp", "fra", false);

中bool numericMode的信息

假设您只想扫描数字： 将白名单设置为“0123456789”对于获得最佳识别结果是正确的，但Init方法的numericMode参数有何作用？ 即使白名单是“0123456789”，我也一直认为它是假的。

还有什么是最佳的Bitmap参数（pixelformat），以供图像提供给tessnet。

Answer 1

Tesseract FAQ中列出了扫描号码的问题。如果你有版本3，你应该只能发出命令：

tesseract image.tif outputbase nobatch digits

Answer 2

根据经验，数字模式会将结果限制为数字和支持字符。我见过“0123456789，。+ - / *％＆lt;＆gt; $（）{}”等等。允许使用货币符号。

另外根据我的经验，我没有看到减少比特深度格式对全彩色图像的任何好处。但是，我没有优化速度，只有精度。如果你的字体很小（小写＆gt; = 8像素高），那么放大图像可以真正提高准确性。