如何提高 Tesseract 中 OCR 文本的准确性？答案

【问题标题】：How do I improve the accuracy of the OCR text from Tesseract?如何提高 Tesseract 中 OCR 文本的准确性？
【发布时间】：2012-07-02 21:19:35
【问题描述】：

我使用 Google 的 Tesseract API 创建了一个用于识别文本的基本应用，并将其与我的相机应用集成。它工作正常，但唯一的问题是准确性，因为有时文本被识别为随机字符集，我猜准确性约为 50%。

此外，当它尝试扫描图像中的四个以上单词时，应用会崩溃。

String ocrText = baseApi.getUTF8Text();
baseApi.end();

其中baseApi 是 Tesseract API 类的对象。

我是否需要使用不同的数据结构来保存已识别的文本，或者是否有其他原因导致四个以上的单词无法识别？

【问题讨论】：

【解决方案1】：

Tesseract API 类提供了一个isValidWord 方法来检查字符串是否为有效单词。您可以使用它来检查识别的字符。这将提高输出的准确性。

我正在使用 Tess4j 进行开发，Tess4j 是 tesseract-ocr 的 Java JNA 包装器，检查后它给出了相当不错的结果。

结果不准确可能是由于文本大小，请检查this。它说“精度下降到 10pt x 300dpi 以下，迅速低于 8pt x 300dpi。”

此外，不能检测到超过 4 个单词取决于很多因素，测试图像的种类（具有多少特征）、图像的大小、平台等。

【讨论】：

谢谢，但我想知道如何提高识别度？例如，如果您看到 Robert Theis 在github.com/rmtheis/android-ocr 上传的项目，那么您可以看到他使用了图像增强算法，即使他使用与我相同的 Tesseract API，识别率也更高
哦，当然，图像预处理会提高OCR引擎的准确性，但会增加时间成本。对于预处理，您可以：增加图像的 DPI，调整图像大小，还可以检查模糊/锐化。文本和背景之间的高对比度可以更好地识别。之后尝试去噪并二值化图像。它提高了相当不错的准确性。