node.js - 无法使用node-tesseract从表单中读取手写文本

Question

我无法使用node-tesseract准确读取表单。只能识别并正确返回表单的打印文本，而返回的手写文本带有一些特殊字符。

我的代码是，

var options = {
            l: 'deu',
            psm: 6,
            env: {
                maxBuffer: 4096 * 4096
            }
        };
        tesseract.process('./server/images/form.jpg', options, function (err,text) {
            if (err) {
                return console.log("An error occured: ", err);
            }
            console.log("Recognized text:");
            console.log(text);
        });

我的输入 ------> 所有者 Brian Dude 输出------> OW_NER ägga ] )ggé;= ‘

此处，所有者是此处提交的一些文本

Answer 1

1. 看看以下论文。两者都是使用 Tesseract 训练过程进行手写识别的示例。

Tesseract Training for Handwritten Digit Recognition

Training Tesseract for Roman Font Handwriting

查看官方 Tesseract 培训页面。

以下链接将带您完成培训过程，它对我帮助很大。 https://web.archive.org/web/20170820212334/http://www.resolveradiologic.com:80/blog/2013/01/15/training-tesseract

使用第三方 GUI 进行 Tesseract 训练，它会让您的生活变得更加轻松。我推荐 tesseract4java 和 jTessBoxEditor(两者都适用于 OS X)