如何定义 tesseract 用于识别（而不是训练）的字体类型？

Question

对于可下载的英文数据集我做

cat tessdata/eng.* | egrep -o ".*ttf" | sort -u

并获取在英语语言训练中使用的所有字体的列表

Andale_Mono.ttf
Arial_Black.ttf
Arial_Bold.ttf
Arial.ttf
buttf
Comic_Sans_MS_Bold.ttf
Comic_Sans_MS.ttf
Courier_New_Bold.ttf
Courier_New.ttf
Georgia_Bold.ttf
Georgia.ttf
Gottf
Impact.ttf
Times_New_Roman_Bold.ttf
Times_New_Roman.ttf
Trebuchet_MS_Bold.ttf
Trebuchet_MS.ttf
ttf
Verdana_Bold.ttf
Verdana.ttf

现在我想识别我已经知道字体类型的文本，所以我想限制识别。我试过了：

api.SetVariable("classify_font_name", "Arial_Bold.ttf");

但我没有看到更好的结果。有人可以告诉我该怎么做，或者是否有可能？

Answer 1

您可以使用LTRResultIterator 类及其WordFontAttributes 方法来获取单词或字符级别的结果的字体信息。获得字体属性后，您可以根据特定的字体名称标准过滤输出文本。见Tesseract API examples。