如何在 Tess4j 和 Tesseract 中处理居中的多色文本？答案

【问题标题】：How to process centered multi colored text in Tess4j and Tesseract?如何在 Tess4j 和 Tesseract 中处理居中的多色文本？
【发布时间】：2019-08-07 08:19:17
【问题描述】：

如何配置 Tess4J 和 Tesseract 以正确识别居中的多色文本？

Tesseract 只能识别下图中的第一行和最后一行：

我尝试将图像转换为灰度，但输出保持不变：

Executioners Pole Hook * * esi yee +50% more damage when your target is below 40% health

作为一种解决方法，我可以将图像拆分为多个文件，但我不想这样做。

图片是PNG，但没有注意到png和jpeg之间的任何变化。

【问题讨论】：

这是您的临时结果。我通过一个简单的操作来显示中间线（99％） - 无需进一步处理。所以我不知道你在说什么。
@gpasch 您是在安装 tesseract v5 时没有任何额外的软件包，还是您添加了语言或字体？运行 tess4j 时我不断得到不一致的结果
您是否尝试过不同的 PSM 值和图像预处理？

标签： java ocr tesseract

【解决方案1】：

我已经通过使用这些参数解决了输出的质量问题：

           instance.setTessVariable("tessedit_pageseg_mode", "7");
           instance.setLanguage("eng");
           instance.setOcrEngineMode(0);

最后一个强制 Tesseract 仅使用本地字典。启用后，我从https://github.com/tesseract-ocr/tessdata下载了英语词典

我现在还将位图转换为灰度，如果高度太短，我还会将它们放大，这样每个位图至少有 70 个像素。

【讨论】：