我有一个关于Tesseract OCR原理的问题。据我了解，在形状检测之后，符号(它们的形式)被缩放(调整大小)以具有一些特定的字体大小。 这样的字体大小是基于经过训练的数据。基本上，训练集定义了符号(它们的几何形状、形状)，也许是它们的表示。
我在iOS平台上使用的是Tesseract 3.01(最新)版本。 我查看了 Tesseract 常见问题解答，查看了论坛，但我不明白为什么我对某些图像的识别质量很低。
据说字体应该大于 12pt，图像应该有 300 DPI 以上。我做了所有必要的预处理，例如模糊(如果需要)、对比度增强。 我什至在 Tesseract OCR 中使用了其他引擎——它被称为 CUBE。
但对于某些图像(尽管它们更大 MIN(width, height) >1000 - 我为 tesseract 重新缩放它们，但识别结果很差
但是在其他图像集上结果更好:
那些较小的图像我没有调整它们的大小，(只是转换为灰度模式)。
如果我写的关于引擎的内容是正确的。
假设训练集基于 14pt 大小的字体。图片中的符号被调整为特定大小，我看不出有任何理由在这种情况下无法识别它们。
我还尝试了自定义词典，以惩罚非词典单词 - 没有给识别带来太多好处。
tesseract = new tesseract::TessBaseAPI();
GenericVector<STRING> variables_name(1),variables_value(1);
variables_name.push_back("user_words_suffix");
variables_value.push_back("user-words");
int retVal = tesseract->Init([self.tesseractDataPath cStringUsingEncoding:NSUTF8StringEncoding], NULL,tesseract::OEM_TESSERACT_ONLY, NULL, 0, &variables_name, &variables_value, false);
ok |= retVal == 0;
ok |= tesseract->SetVariable("language_model_penalty_non_dict_word", "0.2");
ok |= tesseract->SetVariable("language_model_penalty_non_freq_dict_word", "0.2");
if (!ok)
{
NSLog(@"Error initializing tesseract!");
}
所以我的问题是我应该在另一种字体上训练 tesseract 吗？
老实说，我为什么要训练它？在来自 Internet 或 PC(Mac) 屏幕的默认训练数据文本上，我得到了很好的识别。
我还检查了原始的 tesseract 英语训练数据，它有 38 个 tiff 文件，属于以下系列: 1) 里亚尔 2) 绿荫 3 ) 特雷布克 4次 5) 格鲁吉亚 6)类(class)
图片中的字体好像不属于这个集合。
最佳答案
在您的情况下，图像的大小不是问题。正如我从您所附的图片中看到的那样(我很惊讶之前没有人提到它)问题是您从中得到不好结果的图片上的文本没有放在直线上。。
Tesseract 在 OCR 过程的早期阶段所做的事情之一是检测图像布局并提取整行文本。
这张图片是说明这部分过程的最好例子:
如你所见the engine is expecting the text to be perpendicular to the edge of the image .
关于iOS .Tesseract OCR 为什么识别如此纯粹。发动机原理，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/20115382/