Tesseract: Angabe der Regionen text

Ich bin mit tesseract-ocr-3.01 Scannen viele Formen. Die Formen Folgen alle einem template, also ich weiß schon, wo die Regionen/Rechtecke mit text sind.

Gibt es eine Möglichkeit zu geben diese Regionen zu tesseract bei der Verwendung des command-line-tool?

InformationsquelleAutor sashoalm | 2012-10-19
  1. 14

    Fand ich die Antwort, Dank dieser thread.

    Scheint es, dass tesseract suports die uzn-format (verwendet in der unvl tests).

    Aus dem thread:

    Aufruf von tesseract mit dem parameter "-psm-4" und umbenennen der Datei uzn
    mit dem gleichen Namen, von der Bild scheinen funktioniert.

    Beispiel: Wenn wir C:\input.tif und C:\input.uzn wir dies tun:

    tesseract -psm 4 C:\input.tif C:\output
    InformationsquelleAutor sashoalm
  2. 3

    Dies ist vielleicht nicht die optimale Antwort, aber hier geht:

    Ich bin mir nicht sicher, ob die command-line-tool Optionen für die Angabe von text-Regionen.

    Was man tun kann, ist ein Tesseract-wrapper auf einer anderen Plattform (EmguCV hat Tesseract integriert). So erhalten Sie das das gescannte Bild zuschneiden, die text-Regionen, und geben Sie an die Tesseract one-at-a-time. Auf diese Weise werden Sie auch vermeiden, irgendwelche Ungenauigkeiten in der Tesserakt ist Seite-layout-Analyse.

    zB.

    Image<Gray,Byte> scannedImage = new Image<Gray,Byte>(path_to_scanned_image);
//assuming you know a text region
Image<Gray,Byte> textRegion = new Image(100,20);
scannedImage.ROI = new Rectangle(0,0,100,20);
scannedImage.copyTo(textRegion);
ocr.recognize(textRegion);
    • Hehe, das war meine fallback-plan, wenn die tesseract nicht akzeptieren Regionen 🙂
    InformationsquelleAutor Osiris
Schreibe einen Kommentar