Tesseract OCR 的高级使用

Question

我正在将 Tesseract OCR 用于我正在编写的应用程序。我只是想从我不时得到的图片中识别某些区域的文字。基本调用目前有效

tesseract::TessBaseAPI api;
api.SetPageSegMode(tesseract::PSM_AUTO);        // Segmentation on auto
api.Init("/usr/local/share/","eng");            // path = parent directory of tessdata
pFile = fopen( "home/myname/test.bmp","r" );    // Open picture
PIX* image;                                     // Image format from leptonica
image = pixReadStreamBmp(pFile);              
fclose(pFile);
api.SetImage(image);                            // Run the OCR
char* textOutput = new char[512];
textOutput =api.GetUTF8Text();                  // Get the text

到目前为止，这段代码运行良好。但在某些时候，OCR 并不像我希望的那样准确。我实际上不想为我的目的训练一门新语言，所以我想知道是否有可能提高某些 API 调用的准确性？ 也许这里有一些建议！ 最好的问候

托比亚斯

Answer 1

可能，您应该为图像提供一些增强功能。

平滑图像去除图像内部的噪声，它会减少错误的结果。

字母的像素高度在 30 或 40 范围内会更好。

虽然 tesseract 可以处理灰度图像，但发现二值图像可以提供更好的结果。对于阈值，使用自适应阈值的方法。

单词之间有足够的空间也很好。

您可以从tesseract forum.获得更多提示

Answer 2

对我来说，只是将图像放大到几乎 100% 即可。 Tesseract 还在他们的文档中某处声明，为了获得最佳效果，您需要 300 dpi 或更高。

所以我补充说：

ocrimage = pixScale(image,4.167,4.167);
api.SetImage(ocrimage);

（4.167 ~ dpi 从 72 增加到 300）

请注意，我还尝试使用 api.SetSourceResolution(..) 来告诉 Tesseract 我的图像的 dpi 较低，但不知何故，这并没有像将图像放大等量那样得到好的结果。

Answer 3

是的，没错，如果您想要比执行以下代码更准确，OCR 无法正常工作。

/*
 * word_OCR.cpp
 *
 *  Created on: Jun 23, 2016
 *      Author: pratik
 */

#include <opencv2/opencv.hpp>
#include <tesseract/baseapi.h>
#include <leptonica/allheaders.h>
#include <iostream>

using namespace std;
using namespace cv;

int main(int argc ,char **argv)
{
    Pix *image = pixRead(argv[1]);

    if (image == 0) {
        cout << "Cannot load input file!\n";
    }

    tesseract::TessBaseAPI tess;

    if (tess.Init("/usr/share/tesseract/tessdata", "eng")) {
            fprintf(stderr, "Could not initialize tesseract.\n");
            exit(1);
        }

    tess.SetImage(image);
    tess.Recognize(0);

    tesseract::ResultIterator *ri = tess.GetIterator();
    tesseract::PageIteratorLevel level = tesseract::RIL_WORD;

    if(ri!=0)
    {
        do {
            const char *word = ri->GetUTF8Text(level);
            cout << word << endl;

            delete []word;

        } while (ri->Next(level));

        delete []ri;
    }

}

这里从图像中逐字提取并给出单词作为输出，准确度约为90-95%。