Tesseract返回非英文字符

Question

我最近按照一些教程设置了Tesseract，现在我正在尝试查看OCR是否正常工作。当我拍照并得到文字时，我有时会得到非英文字符。它实际上看起来像胡言乱语。我已经发布了一个我在下面输出的示例：

 ; .'—--~_~:~ ear
 .::§—‘.::~__>‘Z~r'.‘ ,::-SES‘:3£a"3'§_“5.E.~ °?®.=_-
 .—_;%~‘=*c§u-5; H =—oc+-»o cn-5 '55:.

我拍摄的照片是this链接中研究文章的第一页。我不确定为什么会这样。我也在tessdata子目录中有eng.traineddata文件。

Answer 1

我想到了两件事：

• 为图像中使用的字体训练tesseract
• 预先编辑图像
  • 灰度
  • 调整大小
  • 扩张
  • 平滑
  • 高斯模糊
  • ......等等

对于编辑，我可以推荐ImageMagic。