正方体：指定文本区域

Posted 2023-04-17

【中文标题】正方体：指定文本区域

【英文标题】：Tesseract: Specifying regions of text

【发布时间】：2012-10-09 22:07:56

【问题描述】：

我正在使用 tesseract-ocr-3.01 扫描许多表单。表单都遵循模板，所以我已经知道文本的区域/矩形在哪里。

在使用命令行工具时，有没有办法将这些区域传递给 tesseract？

【参考方案1】：

感谢this thread，我找到了答案。

tesseract 似乎支持 uzn 格式（用于 unvl 测试）。

来自线程：

使用参数“-psm 4”调用 tesseract 并重命名 uzn 文件 与图像名称相同的图像似乎有效。

示例：如果我们有C:\input.tif 和C:\input.uzn，我们这样做：

tesseract -psm 4 C:\input.tif C:\output

【参考方案2】：

这可能不是一个最佳答案，但这里是：

我不确定命令行工具是否有指定文本区域的选项。

您可以做的是在另一个平台上使用 Tesseract 包装器（EmguCV 内置了 Tesseract）。所以你得到扫描的图像，裁剪出文本区域，然后一次一个地把它们交给 Tesseract。这样，您还可以避免 Tesseract 的页面布局分析中的任何不准确之处。

例如。

Image<Gray,Byte> scannedImage = new Image<Gray,Byte>(path_to_scanned_image);
//assuming you know a text region
Image<Gray,Byte> textRegion = new Image(100,20);
scannedImage.ROI = new Rectangle(0,0,100,20);
scannedImage.copyTo(textRegion);
ocr.recognize(textRegion); 

【讨论】：

呵呵，如果 tesseract 不接受区域，那是我的后备计划 :)