使用配置文件的 Tesseract 3.02 的字符置信度答案

【问题标题】：Character confidence for Tesseract 3.02 using config file使用配置文件的 Tesseract 3.02 的字符置信度
【发布时间】：2013-06-30 18:31:26
【问题描述】：

如何获得每个检测到的字符的置信度百分比？通过搜索，我发现您应该将 save_blob_choices 设置为 T。所以我将它作为一行添加到 tessdata/configs 的 hocr 配置文件中，并用它调用了 tesseract。这就是我在生成的 html 文件中得到的全部内容：

<span class='ocr_line' id='line_1' title="bbox 0 0 50 17"><span class='ocrx_word' id='word_1' title="bbox 3 2 45 15"><strong>31,835</strong></span>

如您所见，没有任何置信度注释，甚至不是每个单词。

我没有 Visual Studio，因此无法进行任何代码更改。但我也愿意接受描述代码更改以及如何在没有 VS 的情况下编译代码的答案。

【问题讨论】：

标签： ocr tesseract

【解决方案1】：

这是获取每个单词置信度的示例代码。您甚至可以将 RIL_WORD 替换为 RIL_SYMBOL 以获得每个字符的信心。

mTess.Recognize(0);
tesseract::ResultIterator* ri = mTess.GetIterator();
if(ri != 0)
{
    do
    {
        const char* word = ri->GetUTF8Text(tesseract::RIL_WORD);
        if(word != 0 )
        {
            float conf = ri->Confidence(tesseract::RIL_WORD);
            printf("  word:%s, confidence: %f", word, conf );
        }
        delete[] word;
    } while((ri->Next(tesseract::RIL_WORD)));

    delete ri;
}

【讨论】：

【解决方案2】：

您必须编写一个程序来执行此操作。看看 Tesseract 网站上的ResultIterator API example。对于您的情况，请务必设置 save_blob_choices 变量并在 RIL_SYMBOL 级别进行迭代。

【讨论】：