ocr - 当数字与字母混合时，如何使超立方体仅识别数字？

Question

我想使用 tesseract 来仅识别数字。问题是我混合了数字和字母，当我使用 SetVariable("tessedit_char_whitelist", "0123456789")
对于每个符号，超立方体都会返回错误的数字。

我可以设置一个阈值，以便tesseract忽略相似度较低的符号吗？

注意:我将 tesseract 设置为仅识别数字，这样 O 和 0 之间就不会混淆。

Answer 1

仅识别数字实际上在 tesseract FAQ 上得到了解答。页。请参阅该页面以获取更多信息，但如果您有版本 3 软件包，则配置文件已设置完毕。您只需在命令行上指定:

tesseract image.tif outputbase nobatch digits

至于阈值，我不确定你的意思。如果您的输入是不寻常的字体，也许您可​​以使用输入的样本进行重新训练。另一种方法是更改​​ tesseract 的修剪阈值。常见问题解答中也提到了这两个选项。