不准确的Tesseract OCR数据C++

我使用QT的Tesseract OCR C++库使用此代码不准确的Tesseract OCR数据C++

const char* lang = "eng"; 
QString filename = "D:/image.png"; 

tesseract::TessBaseAPI tess; 
tess.Init(NULL, lang, tesseract::OEM_DEFAULT); 
tess.SetPageSegMode(tesseract::PSM_AUTO); 

FILE* fin = fopen(filename.toStdString().c_str(), "rb"); 
if (fin == NULL) 
{ 
    std::cout << "Cannot open " << filename.toStdString().c_str() << std::endl; 
    return; 
} 
fclose(fin); 

STRING text; 
if (tess.ProcessPages(filename.toStdString().c_str(), NULL, 0, &text)) 
{ 
    ui->plainTextEdit->setPlainText(QString::fromUtf8(text.string())); 
//show result in plainttext qt gui 

}

把数据不够准确的获得从一个PNG图像文本在表中的数据，它给了我奇怪的字符，当我使用在线OCR网站将我的图像转换为文本（相同的图像），它以100％的准确性做到了，所以它给了我这个错误的文字是这个问题与图书馆？或我的代码？或者如果有更好的免费图书馆，我可以用它来更准确？

我从PDF图像我用ghost脚本以优良的品质获得图像，从而使OCR库应该得到我正确的数据

来源

2017-07-26 no name

OCR的不准确性并不取决于Qt，这取决于进行计算的类，所以我看到Qt标记无关紧要。 – eyllanesc

你在处理你的页面之前是否尝试进行任何预处理？如果你看他们的论坛，有几位用户提到你应该用黑白图像（白色背景上的黑色字体）尝试它，你的文本周围有很多模糊的东西，你应该尝试预处理它，在线OCR最有可能的是自动编辑图像并删除这些图像。 – Eddge

是的我使用Ghostscript从这个属性获取PDF文件的图像-dFirstPage = 1 -dLastPage = 1 -dBATCH -dNOPAUSE -sDEVICE = pnggray -r300 -dUseCropBox –

我我没有经历过CPP，但我认为你的问题很可能与下面的线有关：

tess.Init(NULL, lang, tesseract::OEM_DEFAULT);

它必须显示tessdata文件夹。而不是NULL，您可以编写文件夹名称，例如"C:/tessdata/"。再一次，我没有经历cpp，这就是为什么你可以决定斜杠“/”或反斜杠“\”。该文件夹应该包含语言文件。

来源

2017-07-28 12:14:13 nes

我将null更改为tessdata文件夹，但同样的问题 –

也许是{const char * lang =“eng”;}行。你可以改变它为{字符串}？或者，您可以将该行更改为：{tess.Init（“c：/ tessdata /”，“eng”，3）;} – nes

由于Eddge在他的评论中提到你应该使用一些图像预处理的东西，有scripts为imagemagick一堆。答案当然OpenCV在这方面也会有很大的帮助。

下一点可能是PSM模式，默认情况下它应该满足您提取整页信息的需要。

此外，在线OCR的结果并不像您提到的那样是100％。

There is "1 S Days" instead of "15 Days" 
There is "Mail: finance(a)" instead of "E Mail: [email protected]" 
There is "TiA THE GREEN HOL1 5" instead of "T/A THE GREEN HOU 5"

等

您正在使用哪个版本的Tesseract

？我强烈建议使用3.05。（4.0显示好得多的结果，但它尚未正式发布）。

而且下面的链接可以帮助您与您的结果：https://github.com/tesseract-ocr/tesseract/wiki/ImproveQuality

附：我希望你有资格公开分享这样的财务文件;）

来源

2017-07-29 08:01:27 Arsen

不准确的Tesseract OCR数据C++

回答

相关问题