c# - 如何训练从右到左语言的tesseract

Question

Closed. This question does not meet Stack Overflow guidelines。它当前不接受答案。












想改善这个问题吗？更新问题，以便将其作为 on-topic用于堆栈溢出。

6年前关闭。



Improve this question




我正在尝试使用在balochi上写在图像上的Tesseract OCR文本将图像转换为文本

(balochi很像波斯语)

我创建了一个程序，可以从图像中读取英文文本。
从右到左语言训练Tesseract引擎的基础知识是什么..

是否有任何工具可以创建交易数据(免费软件/共享软件)

这是我的程序..等待您最好的建议。

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;
using Emgu.CV;
using Emgu.Util;
using Emgu.CV.OCR;
using Emgu.CV.Structure;

namespace ReadingImageText
{
    public partial class Form1 : Form
    {
        Tesseract OCRz = new Tesseract("tessdata","eng", Tesseract.OcrEngineMode.OEM_TESSERACT_ONLY);

        private static Rectangle deviceN = Screen.PrimaryScreen.WorkingArea;
        public static System.Drawing.Bitmap img = new Bitmap(deviceN.Width, deviceN.Height);
        System.Drawing.Graphics gfx = Graphics.FromImage(img);
        Image azeem;
        public Form1()
        {
            InitializeComponent();

        }

        private void Form1_Load(object sender, EventArgs e)
        {

        }

        private void button1_Click(object sender, EventArgs e)
        {
            OCRz.Recognize(new Image<Bgr, byte>(img));
            richTextBox1.Text = OCRz.GetText();
            String text = OCRz.GetText();
            Int32 unixTimestamp = (Int32)(DateTime.UtcNow.Subtract(new DateTime(1970, 1, 1))).TotalSeconds;
            System.IO.File.WriteAllText(@"C:\azeemhassni\recognized_" + unixTimestamp + ".inp", text);
        }

        private void button2_Click(object sender, EventArgs e)
        {

            openFileDialog1.Filter = "All Files (*.*) | *.*";
            openFileDialog1.FileName = "";
            openFileDialog1.ShowDialog();
        }

        private void openFileDialog1_FileOk(object sender, CancelEventArgs e)
        {
            pictureBox1.Image = makeItImage(openFileDialog1.FileName);
        }


        public Image makeItImage(String filePath)
        {
            Image newImage = Image.FromFile(filePath);
            img = (Bitmap) newImage;
            return newImage;

        }


    }
}

最佳答案

我认为您的语言是R-> L或L-> R没关系，tesseract需要训练语言模式(字符，符号或什至是阿拉伯字符的连接字符模式)，因此非常重要要做的是定义在您的特定语言中存在的模式，以便在tesseract的make box步骤中识别。如果存在连接的模式，则可能需要创建一种算法来分割字符。一旦分离了模式，就可以开始训练阶段，

Here是说明如何训练自己的语言的教程。
我建议您安装jTessBoxeditor，它可以帮助您很好地训练模式，它具有GUI界面，可让您训练自己的数据集

要么

看看这个(我没有测试)sunnypage.ge/en
http://lib.psnc.pl/Content/358/PSNC_Tesseract-FineReader-report.pdf

关于c# - 如何训练从右到左语言的tesseract ，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/24016311/

上一篇：opencv - nvcc : fatal error : Option '--cubin (-cubin)' is not allowed when compiling for multiple GPU code instances

下一篇：opencv - OpenCV中的定向边缘检测

相关文章：

c# - 如何创建一个在触发特定事件时不运行的函数

visual-studio - LNK1112 : module machine type 'x64' conflicts with target machine type 'x86' - opencv build

c++ - 用 OpenCV 反卷积？

Java OCR 没有产生任何输出

java - Tesseract:在 hOCR 文件中获取单词置信度 (x_wconf)

c# - 引用同一 DLL 的多个版本

c# - 如何制作多种语言的 Web/API 帮助？

c++ - 使用共享对象文件

c++ - 提高 Tesseract 检测质量

c# - 如何使用 C# 代码从 Sitecore 中的项目动态获取字段？

Answer 1

我认为您的语言是R-> L或L-> R没关系，tesseract需要训练语言模式(字符，符号或什至是阿拉伯字符的连接字符模式)，因此非常重要要做的是定义在您的特定语言中存在的模式，以便在tesseract的make box步骤中识别。如果存在连接的模式，则可能需要创建一种算法来分割字符。一旦分离了模式，就可以开始训练阶段，

Here是说明如何训练自己的语言的教程。
我建议您安装jTessBoxeditor，它可以帮助您很好地训练模式，它具有GUI界面，可让您训练自己的数据集

要么

看看这个(我没有测试)sunnypage.ge/en
http://lib.psnc.pl/Content/358/PSNC_Tesseract-FineReader-report.pdf