如何提高tesseract.js的精度？

Question

我使用了这段来自网站的代码，但不够精确

 const worker1 = createWorker();
  const worker2 = createWorker();

  await worker1.load();
  await worker2.load();
  await worker1.loadLanguage("eng");
  await worker2.loadLanguage("eng");
  await worker1.initialize("eng");
  await worker2.initialize("eng");

  scheduler.addWorker(worker1);
  scheduler.addWorker(worker2);

  /** Add 10 recognition jobs */
  const {
    data: { text }
  } = await scheduler.addJob("recognize", image);

这就是我试图读到的图片的类型：

​

​

你看上去既简单又容易，有时却看不懂。是否有任何更好的替代tesseract.js或任何提高准确性的方法？

Answer 1

在使用Tesseract进行OCR时，必须对图像进行预处理，以便要检测的文本为黑色，背景为白色。为此，您可以应用一个简单的阈值来获得二进制图像。以下是预处理后的图像：

​

​

结果来自Tesseract

52024

我在Python中实现了这种方法，但是您可以将类似的策略应用于OpenCV！

import cv2
import pytesseract

pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"

# Load image and Otsu's Threshold to get a binary image
image = cv2.imread('1.png', 0)
thresh = cv2.threshold(image, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# Perform OCR
data = pytesseract.image_to_string(thresh, lang='eng', config='--psm 6')
print(data)

cv2.imshow('thresh', thresh)
cv2.waitKey()