Я пытаюсь использовать Tesseract-OCR для обнаружения текста изображений с чистым текстом в нем, но в этом тексте есть собственный шрифт под названием Journal.Tesseract OCR - Рукописный шрифт
Пример:
Результат не самый лучший:
Maxima! размер` W (35)
Есть ли возможность улучшить результат или, точнее, получить точный результат?
Как Эндрю Наличный упоминалось, это будет очень трудно выполнить OCR для этого T письма из-за ее пересечения с рядом следующих символов.
Для улучшения результатов вы можете попробовать более точный SDK. Взгляните на ABBYY Cloud OCR SDK, это облачный OCR SDK, недавно запущенный ABBYY. Он находится в стадии бета-тестирования, поэтому на данный момент он полностью свободен в использовании. Я работаю @ ABBYY и могу предоставить вам дополнительную информацию о наших продуктах, если это необходимо. Я послал изображение, которое вы прикрепленные к нашему SDK и получил такой ответ:
Maximal size: lall (35)
Я удивлен, что Tesseract делает это хорошо. С небольшим количеством тренировок вы должны быть способны правильно обучать нижний регистр «l».
Основная проблема, с которой вы сталкиваетесь, - это верхняя часть большого символа T. Горизонтальная линия распространяется на 2 (возможно, 3) других символьных ячеек, и это вызовет проблему для любого механизма OCR, когда он попытается сегментировать символы для распознавания. Обучение может помочь в этом случае.
Следующая проблема. и: очень легкие/тонкие и, возможно, удаляются с предварительной обработкой изображения до начала OCR.
В целом, единственным шансом улучшить результаты с помощью Tesseract было бы исследование обучения. Вот некоторые ссылки, которые могут помочь.
Alternative to Tesseract OCR Training?
Tesseract OCR Library learning font
Tesseract confuses two numbers
Чтобы быть справедливым, вопрос название упоминает Тессеракт подразумевающий он спрашивает, как выполнить это * с Tesseract *. – Skrylar