android - 带煤气表的 Tesseract OCR

Question

我正在尝试让 Tesseract 识别燃气表装置照片中的数字。但它返回大部分空页作为输出。(我使用的是 Tesseract 3.02)例如

pic 1, some tweaking

我想将 Tesseract 用于 Android 的 OCR 应用程序，所以我只是在检查 Tesseract 是否能够识别这样的数字。第一张照片是我在我的 java 程序中进行图像预处理时所能得到的。

如果我使用 gimp 并手动进行更多调整，tesseract 将识别它。但是我需要它来识别像 1 这样的图片。我能做些什么来实现这个目标吗？-> pic 2, gimp tweak

Answer 1

第一张图片实际上给出了最新版 Tesseract 的正确输出。

由于其遵循的分段逻辑，Tesseract 有时会给出空页。在您的情况下，它将尝试分割单个单词，结果所有这些字符将被视为噪声并且识别将失败。

如果您打算识别燃气表装置的照片，请考虑将 Tesseract 的页面分割模式设置为 8(这会告诉 tesseract 将给定图像假定为单个单词)

你也可以考虑tesseract的其他页面切分模式

0 = 仅方向和脚本检测 (OSD)。

1 = 使用 OSD 自动分页。

2 = 自动页面分割，但没有 OSD 或 OCR

3 = 全自动页面分割，但没有 OSD。 (默认)

4 = 假设有一列可变大小的文本。

5 = 假设有一个统一的垂直对齐文本 block 。

6 = 假设一个统一的文本 block 。

7 = 将图像视为单个文本行。

8 = 将图像视为单个词。

9 = 将图像视为圆圈中的单个单词。

10 = 将图像视为单个字符。

要设置特定的 psm，请使用“tesseract -psm

我建议你再做一件事。由于您想识别只有数字的煤气表值，您可以在 tesseract 配置文件中指定一个自定义字符集仅包含数字。字符集的大小越小，识别的准确性越高。字符集应始终包含输入图像可能具有的字符。

即使尝试了上述所有组合，如果 tesseract 无法正确识别输入图像，请尝试通过移除那些不需要的 Blob 来提高输入图像的质量。您可以尝试使用 ImageMagick 来清理输入图像。希望这会有所帮助。