如何提高Tesseract / Tessnet2的识别速度和准确率？

Question

我已经看到，为了限制扫描错误，您可以为字符定义一个白名单。

但是我在ocr.Init(@"c:\temp", "fra", false);中找不到bool numericMode的信息

假设您只想扫描数字:将白名单设置为"0123456789“可以正确地获得最佳的识别结果，但是初始化方法的numericMode参数做什么呢？我一直认为它是错误的，即使白名单是"0123456789“。

还有什么是最好的位图参数(像素格式)的图像馈送到tessnet。

Answer 1

Tesseract FAQ中列出了扫描编号的问题。如果您使用的是版本3，您应该能够只发出以下命令：

tesseract image.tif outputbase nobatch digits

Answer 2

根据经验，数字模式将结果限制为数字和支持字符。我已经看到"0123456789，.+-/*%<>$(){}“以及更多。允许使用货币符号。

从我的经验来看，我还没有看到减少位深度格式比全彩色图像有什么大的好处。然而，我没有优化速度，只优化了准确性。如果你的字体很小(小写的>= 8像素高)，那么放大图像确实可以提高精确度。