使用 Tesseract 引擎的 Tessnet2 - 为什么它会给出非常糟糕的输出？答案

【问题标题】：Tessnet2 using Tesseract Engine - Why does it give very bad output?使用 Tesseract 引擎的 Tessnet2 - 为什么它会给出非常糟糕的输出？
【发布时间】：2015-01-03 11:36:10
【问题描述】：

我正在尝试在 C# 中使用 Tesseract 引擎来使用 Tessnet2。对于我提供给 Tessnet2 的许多测试图像，输出非常糟糕，几乎没有任何内容是正确的。

这是我在 C# 控制台项目 Program.cs 类中的代码：

 static void Main(string[] args)
    {
        try
        {
        Bitmap image = new Bitmap(@"C:\Users\hp\Desktop\eurotext.tif");
        var ocr = new Tesseract();

        //when I tried to add the SetVariable(...), it didn't change the output much

        ocr.Init(@"C:\Program Files (x86)\Tesseract-OCR", "eng", true);

        var result = ocr.DoOCR(image, Rectangle.Empty);
        foreach (Word word in result)
            Console.WriteLine("{0} : {1}", word.Confidence, word.Text);

        Console.ReadLine();
    }
    catch (Exception exception)
    {
        Console.WriteLine("Error");
    }
}

例如，这是一个示例（大型二进制 300 dpi）测试图像“eurotext.tif”：

这是这张图片的 Tessnet2 输出：

我一直在用这个网站学习使用Tessnet2的步骤： https://code.msdn.microsoft.com/windowsdesktop/How-to-use-Tessnet2-library-716be12f

我使用这个网站尝试正确使用 SetVariable(...) 函数来让它做我想做的事，但没有运气，输出也没有太大差异： http://www.sk-spell.sk.cx/tesseract-ocr-en

我找到了减少引擎错误的 Tesseract 指南： http://code.google.com/p/tesseract-ocr/wiki/ImproveQuality

它说“Tesseract 最适合使用 DPI 至少为 300 dpi 的文本”.. 此示例图像为 300 dpi
此示例图像也是二进制的，应该会提供更好的输出，正如许多人在各个网站上所建议的那样

我到处寻找可以提高准确性的解决方案，我发现很多帖子和人都有类似的问题，但没有有效的解决方案。

这个问题的原因可能是什么？我该如何解决？

我是这个主题的初学者，所以如果解决方案太琐碎，请多多包涵。

谢谢！

【问题讨论】：

使用的字体（.traineddata 文件）是否与您的样本相对应？也许你可以添加一个白名单（识别哪个字符）给 Tesseract 更好的建议。

标签： c# ocr tesseract tessnet2

【解决方案1】：

要显示文本，您必须进行更改：

ocr.Init(@"C:\Program Files (x86)\Tesseract-OCR", "eng", true);

到：

ocr.Init(@"C:\Program Files (x86)\Tesseract-OCR", "eng", false);

【讨论】：