Python Tesseract не может распознать этот шрифт

Question

У меня есть этот образ:

Я хочу преобразовать его в строку, используя python, что, как я думал, будет не так сложно.Я наткнулся на tesseract, а затем на оболочку для скриптов python, использующую tesseract.

Итак, я начал читать изображения, и это отлично получалось, пока я не попытался прочитать это.Нужно ли мне будет обучать его читать этот конкретный шрифт?Есть какие-нибудь идеи относительно того, что это за конкретный шрифт?Или есть лучший движок распознавания текста, который я мог бы использовать с python для выполнения этой работы.

Редактировать:Возможно, я мог бы создать какой-то вектор вокруг чисел, а затем перерисовать их в большем размере?Чем больше изображения, тем лучше tesseract ocr, кажется, их считывает (неудивительно, лол).

Answer 1

Просто подготовьте двигатель к использованию 10 цифр и буквы "." .Этого должно хватить.И убедитесь, что вы изменили свое изображение на оттенки серого, прежде чем распознавать его.

Answer 2

Тренировки - это тяжело, и это не то, что здесь действительно нужно.Провести различие между O и 0, l и 1 будет непросто, независимо от сценария.Ограничение распознавания текста выбором только между цифровыми цифрами значительно упрощает проблему, если это позволяет контекст.

Мой интерес к tesseract заключается в обработке большого количества цифр из старых правительственных отчетов.В этом случае и в рассматриваемом случае набор символов будет чем-то вроде '0123456789.' Следуя комментарию в старой группе новостей (sourceforge) для tesseract, написанному eric_taj от 2007-03-21, вы можете изменить Templates->indexFor и Templates-> ClassIdFor в classify/intproto.cpp чтобы замаскировать символы, которые не должны быть разрешены.Я немного изменил этот подход, чтобы читать разрешенный набор символов во время выполнения в переменной окружения, чтобы я мог корректировать разрешенный набор "на лету".

Answer 3

На эту тему было много трафика дискуссионная группа Tesseract OCR недавно.Вам нужно будет использовать «язык» только цифр.Многие люди раньше тренировали двигатель таким образом.Похоже, вы пытаетесь перехитрить схему защиты данных с помощью капчи...цк, цк.

Answer 4

Распознавание мелкого экранного шрифта может оказаться затруднительным для универсального оптического распознавания символов, оптимизированного для чтения крупного гладкого шрифта, отсканированного с бумаги.

Возможно, вам лучше попробовать специальное распознавание скриншотов, напримерТексттракт SDK.Он соберет все локальные шрифты и обеспечит 100% точное распознавание, просто сопоставляя символы.

Answer 5

Похоже на шрифт Евростиль.Да, вам придется тренироваться с каждым шрифтом, который используется в исходных изображениях.