tesseract 没有得到小标签

Posted 2023-04-17

【中文标题】tesseract 没有得到小标签

【英文标题】：tesseract didn't get the little labels

【发布时间】：2017-02-06 07:08:07

【问题描述】：

我已经在我的 linux 环境中安装了 tesseract。

当我执行类似

# tesseract myPic.jpg /output

但是我的图片有一些小标签，而 tesseract 没有看到它们。

是否可以设置音高或类似的选项？

文本标签示例：

有了这张图片，tesseract 无法识别任何值...

但是有了这张照片：

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，90（左上角）没有被 tesseract 看到...

我认为这只是一个定义或类似想法的选项，不是吗？

谢谢

【参考方案1】：

为了从 Tesseract（以及任何 OCR 引擎）获得准确的结果，您需要遵循一些准则，如我在这篇文章中的回答所示： Junk results when using Tesseract OCR and tess-two

这里是它的要点：

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

如果有任何歪斜，您需要在 ocr 之前在代码中修复图像

使用字典帮助获得好的结果

调整文字大小（12 pt字体比较理想）

将图像二值化并使用图像处理算法去噪

还建议花一些时间训练 OCR 引擎以获得更好的结果，如以下链接所示：Training Tesseract

我拍摄了您共享的 2 张图像，并使用 LEADTOOLS SDK 对它们进行了一些图像处理（免责声明：我是这家公司的员工），并且能够获得比处理后的图像更好的结果，但由于原始图像不是最好的 - 它仍然不是 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);
   

以下是此过程的输出图像：

【讨论】：

谢谢回复，但是为什么它不能识别所有标签，例如第二张左上角的90，似乎很容易阅读

您可能需要训练引擎以获得更好的结果或使用更好的起始图像，这样您就不必插入像素并调整它们的大小。

我的情况最好的分割方法是什么？

我认为在你的场景中默认是最好的：github.com/tesseract-ocr/tesseract/wiki/…