machine-learning - 使用 python 进行 tesseract ocr 的最佳实践

Question

我正在开发一个项目，我想从信用卡大小的文档中识别文本。该文档包含姓名、电话号码、地址等详细信息。我正在捕获图像并将图像传递到超正方体引擎中使用text = pytesseract.image_to_string(Image.open(filename), lang = 'eng')。有时我在每个领域都取得了不错的成绩，但大多数时候结果都很糟糕。我该如何解决这个问题？最佳实践是什么？文档阅读器如何使用 OCR。是否可以在文档中处理基于区域的 ocr？

Answer 1

单一方法无法读取所有文本。您必须对多种类型的 pdf 应用多种方法。

如果文本不是水平的，则必须旋转文本。如果文本是弯曲的，则必须使用变换(例如 hog 变换)。

此外，要使用该包阅读文本，文本应该清晰且水平。否则，您需要创建规则并对其进行转换。