基于tesseract或puma.net的文本识别图像预处理

Question

如何使用OpenCVdotnet对图像进行预处理，以便更好地识别文本？我试过tesseract包装器和Puma.NET，但是我的结果更糟.我怎样才能提高成绩？

            #region Tesseract
                Bitmap pictureInfoArea = src.ToBitmap();
                        TesseractEngine engine = new TesseractEngine("tessdata/", "rus", EngineMode.Default);
                        //engine.SetVariable("tessedit_char_whitelist", "0123456789");
                        var page = engine.Process(pictureInfoArea, PageSegMode.Auto);

                        string sTesseract = page.GetText();

        #endregion
        #region Puma.NET
                        PumaPage pumaInfoArea = new PumaPage(pictureInfoArea);

                        using (pumaInfoArea)
                        {
                            // Changing default settings
                            pumaInfoArea.FileFormat = PumaFileFormat.TxtAnsi;
                            pumaInfoArea.EnableSpeller = true;
                            pumaInfoArea.Language = PumaLanguage.Russian;

                            // Recognizing and saving results to a file
                            string sPuma = pumaInfoArea.RecognizeToString();

                            //MessageBox.Show(s);
                        }
    #endregion

Answer 1

这里是一个教程，解释如何训练你自己的语言。我建议您在应用字母分离算法之后安装jTessBoxeditor，这有助于您很好地训练您的模式。jTessBoxeditor有一个GUI界面，允许您训练自己的数据集。

或

这里你还有另一个教程来训练Tesseract3学习一种新的语言。

看看这个(我没有测试过) sunnypage.ge/en Tesseract-FineReader-report.pdf