从python中的图像中提取希伯来语文本

Posted 2023-04-17

【中文标题】从python中的图像中提取希伯来语文本

【英文标题】：Extracting Hebrew text from image in python

【发布时间】：2018-12-24 16:37:06

【问题描述】：

我想从图像中提取希伯来语文本。

我尝试过使用 pytesseract，但它会混淆一些字母（例如 ' 而不是 י 或 נ 而不是 כ）

我尝试对图像进行一些操作（例如调整大小、去除噪点和二值化），这有一点帮助，但仍然有很多错误。

我花了几个小时寻找更好的文本提取工具，但找不到。

这是我的问题：

A) 有没有我可能错过的工具？

B) 如果没有，创建我自己的步骤是什么？

提前致谢， 阿米猜

【参考方案1】：

选择正确的 OCR 可能是一件困难的事情，但您似乎已经走在正确的轨道上（如 this *** 帖子中所见）。

一般来说，如果您对 Tesseract 的质量不满意，您似乎（大部分）不走运；从我读到的，似乎在 OCROpus，尽管这似乎不如 PyTesseract 方法那么简单。 此外，深入了解GitHub repository of Tesseract 发现有一个基于 LSTM 的 4.0 版本正在积极开发中，可能会为您带来更好的结果。我不完全了解 PyTesseract 所调用的 Tesseract 版本，但它可能值得研究，因为替换 Tesseract 可能比认为自己进入一个全新的环境更容易。

PS：至于“如何构建自己的 OCR”这个问题，我强烈反对。仅仅收集所有数据并正确掌握基础知识将花费您大量的精力，而且通常不值得您花时间；如果你得到一些有用的东西，它可能仍然比任何提供的库更糟糕。