Question

如何获得每个字符检测到的％置信度？ 通过四处搜索，我发现你应该将save_blob_choices设置为T. 因此，我在tessdata/configs中的hocr配置文件中添加了一行，并将其称为tesseract。 这是所有我得到在生成的HTML文件：

<span class='ocr_line' id='line_1' title="bbox 0 0 50 17"><span class='ocrx_word' id='word_1' title="bbox 3 2 45 15"><strong>31,835</strong></span> 

正如你可以看到没有任何信心，甚至不是每个字的注释。

我没有visual studio，所以我无法进行任何代码更改。但我也接受描述代码更改的答案，以及如何编译没有VS的代码。

Answer 1

你将不得不编写一个程序来做到这一点。看看Tesseract网站上的ResultIterator API example。对于您的情况，请务必设置save_blob_choices变量并在RIL_SYMBOL级别重复。

Answer 2

以下是获取每个单词的置信度的示例代码。 甚至可以用RIL_SYMBOL替换RIL_WORD来获得每个字符的置信度。

mTess.Recognize(0); 
tesseract::ResultIterator* ri = mTess.GetIterator(); 
if(ri != 0) 
{ 
    do 
    { 
     const char* word = ri->GetUTF8Text(tesseract::RIL_WORD); 
     if(word != 0) 
     { 
      float conf = ri->Confidence(tesseract::RIL_WORD); 
      printf(" word:%s, confidence: %f", word, conf); 
     } 
     delete[] word; 
    } while((ri->Next(tesseract::RIL_WORD))); 

    delete ri; 
}