python - 从python中的图像中提取希伯来语文本

Question

我想从图像中提取希伯来语文本。

我试过使用 pytesseract，但它会混淆一些字母（例如 ' 而不是 י 或 נ 而不是 כ）

我尝试对图像进行一些操作（例如调整大小、消除噪声和二值化），这有一点帮助，但仍然有很多错误。

我花了几个小时寻找更好的文本提取工具，但找不到。

所以这是我的问题：

A) 有没有我可能错过的工具？

B）如果不是，创建我自己的步骤是什么？

在此先感谢，阿米猜

标签： pythoncomputer-visionocrhebrewpython-tesseract

Answer 1

选择正确的 OCR 可能是一件困难的事情，但您似乎已经走在正确的轨道上（如Stackoverflow 帖子中所见）。

一般来说，如果你对 Tesseract 的质量不满意，你似乎（大部分）不走运；从我读到的内容 来看， OCROpus似乎有一个替代方案，尽管这似乎不如 PyTesseract 方法那么简单。
此外，深入研究 Tesseract 的 GitHub 存储库，发现有一个基于 LSTM 的 4.0 版本正在积极开发中，它可能会为您带来更好的结果。我不完全了解 PyTesseract 所调用的 Tesseract 版本，但它可能值得研究，因为替换 Tesseract 可能比认为自己进入一个全新的环境更容易。

PS：至于“如何构建自己的OCR”这个问题，我强烈反对。仅仅收集所有数据并正确掌握基础知识将花费您大量的精力，而且通常不值得您花时间；如果你得到一些有用的东西，它可能仍然比任何提供的库更糟糕。