java - 如何在 Training ImageLoader 中用 png 加载前 100 个字符

Question

我想画最好的 png 文件的前 100 个字符，但如果他们做不到这一切。

文件在那里:http://abatis.org.uk/projects/txt2fig.png

            File fff = new File("C:\\Users\\lll\\Desktop\\txt2fig.png");
            OCRScanner scanner = new OCRScanner();
            TrainingImageLoader loader = new TrainingImageLoader();
            HashMap<Character, ArrayList<TrainingImage>> trainingImageMap = new HashMap<Character, ArrayList<TrainingImage>>();
            loader.load(fff.getAbsolutePath(), new CharacterRange('A', 'Z'), trainingImageMap);
            scanner.addTrainingImages(trainingImageMap);

            Image image = ImageIO.read(fff);
            PixelImage pixelImage = new PixelImage(image);
            pixelImage.toGrayScale(true);
            pixelImage.filter();

            String text = scanner.scan(image, 0, 0, 0, 0, null);
            System.out.println(text);

异常(exception):

java.io.IOException: Expected to decode 26 characters but actually decoded 911 characters in training: C:\Users\lll\Desktop\txt2fig.png
    at net.sourceforge.javaocr.ocrPlugins.mseOCR.TrainingImageLoader.load(TrainingImageLoader.java:107)
    at net.sourceforge.javaocr.ocrPlugins.mseOCR.TrainingImageLoader.load(TrainingImageLoader.java:83)

我在 pom 中的库:

        <dependency>
            <groupId>net.sourceforge.javaocr</groupId>
            <artifactId>javaocr-core</artifactId>
            <version>1.0</version>
        </dependency>
        <dependency>
            <groupId>net.sourceforge.javaocr.plugins</groupId>
            <artifactId>javaocr-plugin-awt</artifactId>
            <version>1.0</version>
        </dependency>

我知道:

new CharacterRange ('A', 'Z')

应该包括文件中的第一个和最后一个字符，它可以以某种方式绕过吗？

Answer 1

你不明白这个工具的概念。您已将带有文本的图像作为训练图像放入 OCR，而训练图像应该只包含与 ASCII 代码 0x20h 到 0x7Ch(或高于此范围)对应的数字顺序的训练字符，因此至少如下所示:

 !"#$%&'()*+,-./0123456789:;<=>?@ABCDEFGHIJKLMNOPQRSTUVWXYZ[\]^_`abcdefghijklmnopqrstuvwxyz{|}~

请注意训练图像开头的空格。

首先尝试从 javaocr-20100605.zip/ocrTests/ 目录中分析样本图像和训练图像，例如。文件 trainingImages/hpljPica.jpg 作为训练图像，文件 hpljPicaSample.jpg 作为要分析的图像。为此，请使用具有 Java OCR GUI(由 java -jar JavaOCR.jar 执行)的 Mean Square OCR Recognzier 功能的选项卡。稍后您可以尝试使用由图像组成的自己的训练图像进行分析。为此，您可以使用 Java OCR GUI 的名为 Character Extractor 的选项卡中的功能从图像中提取字符。因此，使用按 ASCII 码排序的提取字符排列输出文件。用它们组成你的训练图像。

下面附上的屏幕截图显示了如何使用带有 GUI 的 OCR 及其结果。

OCR用Java OCR工具从空间来~

OCR 结果 - 您可以看到一些 OCR 错误

如您所见，至少发生了两次识别错误，但并不多。