ocr - 为 Tesseract OCR 创建训练图像

Question

我正在编写一个用于训练 Tesseract OCR 图像的生成器。

在为 Tesseract OCR 的新字体生成训练图像时，最佳值是什么:

新闻部

以磅为单位的字体大小

字体是否应该抗锯齿

边界框是否应该紧贴: ，与否:

Answer 1

第二个问题在这里得到了某种回答:http://code.google.com/p/tesseract-ocr/wiki/TrainingTesseract3#Generate_Training_Images
无需使用多种尺寸进行训练。 10点就行。 (一个异常(exception)是非常小的文本。如果你想识别 x 高度小于 15 像素的文本，你应该在尝试识别它们之前专门训练它或缩放你的图像。)

问题 1 和 3:根据经验，我已成功使用 300 dpi 图像/非抗锯齿字体。更具体地说，我在训练 pdf 上使用了以下转换参数，生成了令人满意的图像:

convert -density 300 -depth 8 [input].pdf -background white -flatten +matte -compress none -monochrome [output].tif

但是后来我尝试向 Tesseract 添加虚线字体，当我使用 150 dpi 图像时，它只能正确检测字符。所以，我认为没有通用的解决方案，这取决于您尝试添加的字体类型。