正方体正在寻找限制字符

Question

是否有可能限制的字符集的tesseract 是寻找（例如只搜索字母AZ）？这将极大地提高我的成绩。

Answer 1

创建的配置文件（例如“字母”）在tessdata / CONFIGS目录 - 通常/usr/share/tesseract/tessdata/configs结果 或点击 /usr/share/tesseract-ocr/tessdata/configs

和该行添加到配置文件：

tessedit_char_whitelist abcdefghijklmnopqrstuvwxyz  

...也许[A-Z]工程..说不上:-)结果 然后调用的tesseract类似于：

tesseract input.tif output nobatch letters  

这将限制的tesseract只识别想要的字符

Answer 2

要在配置文件或使用-c tessedit_char_whitelist=...命令行开关用的白名单，在最新版本4.0，你将不得不“只有原始超正方体” OCR引擎模式设置到。这是因为新的“神经网络LSTM”模式不尊重白名单设置。 为4.0版本的适当的命令行的示例：

  

的tesseract INPUT_FILE OUTPUT_FILE --oem 0 -c   tessedit_char_whitelist = ABC123

更新：在新版本（4.0）有默认安装的Windows和某些Linux安装损坏的eng.traineddata文件。临时解决方案是从旧版本的一个替换tessdata\eng.traineddata文件。这个文件应该是30MB左右。否则，你会得到错误：“正方体无法加载任何语言！”或类似。

Answer 3

在除了配置文件，是-c标志：

tesseract stdin stdout -c tessedit_char_whitelist=abcdefghijklmnopqrstuvwxyz -psm 6

Answer 4

只需添加此使用Android上的tesseract任何人。在你的语言设置等添加以下线的readOCR功能;

tesseract.setVariable("tessedit_char_whitelist","ABCDEFGHIJKLMNOPQRSTUVWXYZ");

您也可以做黑名单字符排除。

Answer 5

在超正方体版本4.00，这不能被实现。你只可以微调您的模型或使用正则表达式从预测中删除多余的字符。