Tesseract 可以用于僧伽罗语手写文本识别吗？

Question

我希望恢复损坏的僧伽罗语手写文件。请告诉我：Tesseract 也可以用于僧伽罗语吗？

Answer 1

签出tessdata folder the from tesseract-ocr GitHub 存储库：

• sin.traineddata 表示实际的僧伽罗语语言，并且
• 僧伽罗语脚本有script/Sinhala.traineddata。

将其中一个（或两个）复制到您的 tessdata 文件夹，可能位于某些 Windows 机器上的 C:\tesseract\tessdata。

例如，从命令行运行 Tesseract，然后可以使用

tesseract myimage.png output -l sin

或

tesseract myimage.png output -l Sinhala

我截取了Sinhala script Wikipedia page的截图，并裁剪了以下部分：

以上两个命令都会产生以下输出：

සිංහල අක්ෂර මාලාව

这对我来说似乎很好，但我并没有声称能够阅读或理解任何僧伽罗文字或语言！

所以，总的来说：是的，看来，您可以 OCR 僧伽罗文本！

但是：对于任何文字，对于非拉丁文字来说可能更困难，您可能不会在手写文本上获得好的结果。这些文本的 OCR 本身就是一个研究领域。