Tesseract无法获取小标签。

Question

我已经在我的 Linux 环境中安装了 Tesseract。

当我执行以下类似命令时，它可以正常工作：

# tesseract myPic.jpg /output

但是我的图片上有一些小标签，而tesseract没有识别到它们。

是否有可用的选项来设置音高或类似的东西？

文本标签示例：

使用这张图片，Tesseract 无法识别任何数值...

但是使用这张图片：

我有以下输出：

J8

J7A-J7B P7 \

2
40 50 0 180 190

200

P1 P2 7

110 110
\ l

例如，在这种情况下，tesseract无法识别左上方的90（即“90”未被tesseract识别...）。

我认为这只是定义选项之类的东西，不是吗？

谢谢

- Paul

Answer 1

为了从Tesseract（以及任何OCR引擎）获得准确的结果，您需要遵循一些指导方针，如我在此帖子中所述：使用Tesseract OCR和tess-two时出现垃圾结果。

以下是要点：

• 使用高分辨率图像（如果需要），最低300 DPI

• 确保图像中没有阴影或弯曲

• 如果有任何倾斜，您需要在ocr之前在代码中修复图像

• 使用字典来帮助获得良好的结果

• 调整文本大小（12pt字体最理想）

• 将图像二值化并使用图像处理算法消除噪音

还建议花费一些时间训练OCR引擎以获得更好的结果，如此链接所示：培训Tesseract。

我使用LEADTOOLS SDK对您分享的2张图像进行了一些图像处理（免责声明：我是该公司的员工），并且能够比您处理后得到更好的结果，但由于原始图像不是很好，因此仍然没有达到100％。这是我用来尝试修复图像的代码：

//initialize the codecs class
using (RasterCodecs codecs = new RasterCodecs())
{
   //load the file
   using (RasterImage img = codecs.Load(filename))
   {
      //Run the image processing sequence starting by resizing the image
      double newWidth = (img.Width / (double)img.XResolution) * 300;
      double newHeight = (img.Height / (double)img.YResolution) * 300;
      SizeCommand sizeCommand = new SizeCommand((int)newWidth, (int)newHeight, RasterSizeFlags.Resample);
      sizeCommand.Run(img);

      //binarize the image
      AutoBinarizeCommand autoBinarize = new AutoBinarizeCommand();
      autoBinarize.Run(img);

      //change it to 1BPP
      ColorResolutionCommand colorResolution = new ColorResolutionCommand();
      colorResolution.BitsPerPixel = 1;
      colorResolution.Run(img);

      //save the image as PNG
      codecs.Save(img, outputFile, RasterImageFormat.Png, 0);
   }
}

这是该过程的输出图像：

- hcham1

---

谢谢回复，但为什么它无法识别所有标签，例如第二张图像左上角的90，它似乎很容易被读取。 - Paul

你可能需要对引擎进行训练，以获得更好的结果，或者使用更好的起始图像，这样就不必插值像素并调整大小。 - hcham1

什么是我这种情况下使用的最佳分割方法？ - Paul

我认为在你的情况下，默认设置应该是最好的选择：https://github.com/tesseract-ocr/tesseract/wiki/ImproveQuality#page-segmentation-method - hcham1