有没有人有使用不同字体进行OCR的经验？我生成一个ID，然后尝试用tesseract进行扫描。目前我只是尝试使用不同的字体，但这似乎相当低效。我已经尝试了OCR*字体系列和其他各种字体，如Arial和Georgia。tesseract往往会对OCR*字体感到困惑。
是否有专门为tesseract设计的字体，或者任何可与其良好配合的系统字体？
9个回答
20
尝试了许多不同的字体和OCR引擎后，我发现使用Consolas可以获得最佳的结果。它是类似OCR-A的等宽字体，但更容易被人类阅读。Consolas包含在多个Microsoft产品中。
还有一种Inconsolata的开源字体，受到Consolas的影响。考虑到许可细节，Inconsolata是Consolas的良好替代品。
在我的测试中，Calibri字体中的数字和空格并不总是被正确识别。OCR-A会出现很多阅读错误。我没有尝试MIRC，因为大多数人很难阅读。
注意：tesseract在可靠之前需要大量的测试和微调。在我们的情况下，我们转换到了商业许可的OCR引擎（ABBYY），特别是由于可靠性非常重要，而且我们需要支持多种（欧洲）语言。
更新：2017年1月31日 - 由于潜在的版权问题，将“基于Consolas”更改为“受到Consolas的影响”。
- Gawin
4
Abbyy与之前的Tesseract版本相比如何？我正在考虑切换到商业版的利弊。 - Don Cheadle
在2011年，ABBYY的工作时间达到了99%。但是如果现在有更具吸引力的替代品出现，我也不会感到惊讶。 - Gawin
2Inconsolata 明显不是基于 Consolas 的。如果是的话，那么它将是 Consolas 的衍生作品，不能在自由许可证下发布。维基百科页面使用了“受到影响”的词语，在这种情况下更好。我指出这一点是因为理解版权很困难，不使用错误的术语并避免造成更多混乱是有用的。 - josch
@josch 在2011年撰写本文时，维基百科文章中提到“受启发”（请参阅维基百科历史记录），并且一次采访提到了“基于”。但是出于版权目的，我理解“受影响”可能更合适，我会更新答案。 - Gawin
5
我发现Calibri对我来说效果最好。我们每天在自动化系统中使用OCR软件，并测试了许多字体（包括一些OCR特定的字体），发现Calibri始终表现最佳。
祝你好运。
- Chris
1
3维基百科上的Calibri页面提到，在Calibri字体中，小写字母L（l）和大写字母I看起来“几乎无法区分”，这对于对非散文文本例如计算机代码、base64打印等进行OCR识别时会产生问题。 - Law29
5
- benjismith
5
哎？为什么要踩我？甚至没有一句解释性评论吗？ - benjismith
3MICR是为磁性技术设计的，以便于理想的阅读，而不是光学阅读。虽然它并不差，但对于OCR来说远非理想。 - Sparr
电影《神探飞机头》中有一些与MICR相关的有趣内容。 - erickson
1它还需要支持字母数字字符。 - Chris Lloyd
3Tesseract-OCR默认情况下没有针对MICR字体进行训练，尽管这可以完成... - sventechie
3
这实际上取决于所考虑的OCR引擎。
对于gocr，FreeMono是最好的选择，请参见gocr文档。
对于tesseract，DejaVu-Serif效果良好，请参见https://superuser.com/a/1543382/280936
对于abbyocr，verdana不错，请参见此比较
还可以参考这篇总结：https://www.monperrus.net/martin/perfect-ocr-digital-data
- Martin Monperrus
2
我一直都是用 times new roman 字体取得成功的。
- David
1
2是的，罗马字体应该能产生良好的结果。确保图像在200到300dpi之间为灰度或二值化。但是，针对有限的领域（字母/单词）训练引擎可能会更好地适用于这种用例。 - sventechie
1
我最近在一个名为Laserfiche的ECM中进行了广泛的测试，该软件使用Nuance OmniPage，我发现等宽字体与动态间距字体相比表现较差。那些老式OCR字体的表现不如更“正常”的字体。特别是对于像12号字体大小的数字串。
奇怪的是，其他人使用Calibri取得了成功。在我的测试中，它的表现非常糟糕，经常将看起来相似的字母和数字混淆。最好的字体（在安装了Office的Windows计算机上）是Consolas、Verdana和Book Antiqua。所有这些都是动态衬线字体，字母和数字看起来很清晰。Consolas是冠军。
- Glen Murie
0
目前使用的是等宽字体。尝试了很多字体，但这对我来说是最准确的。
- Sam
1
1"Monospace" 是什么字体？ - U. Windl
0
我最近进行了一个实验，研究了不同的OCR（使用Adobe Acrobat Pro）字体，以帮助我们处理Airgap代码，因为OCR在处理此类代码时通常效果很差。我发现，如果将代码/文本转换为十六进制，并使用大小为14的Book Antiqua字体（完整结果如下），几乎可以保证100%的成功率。当然会有错误（例如，“S” - “5”），但是可以通过使用脚本完全且轻松地进行纠正。运行脚本后，再转换回ASCII码。当然，如果你愿意承担纸张浪费的代价，你甚至可以进一步打印文件的位流。以下是字体比较图表。
- ShaneK
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接