ocr - 正方体无法识别随机英文字符序列

Question

我正在寻找一些帮助来配置 Tesseract 以识别下图中的字符（称为 token.png）：

使用默认设置运行 Tesseract

tesseract token.png output

结果是

lidad3dbecsc2dedeeaedsd72bbest4 bsddo60cdetsdic?

在wiki 页面上，建议禁用字典

如果您的大部分文本不是字典单词，则禁用 Tesseract 使用的字典应该会提高识别率。可以通过将配置变量 load_system_dawg 和 load_freq_dawg 都设置为 false 来禁用它们。

但是，这无济于事。例如，将文本文件构造config为

load_system_dawg F
load_freq_dawg F

然后运行

tesseract token.png output config

不会提高识别度。

任何人都可以就如何解决这个问题提出建议吗？

下面的屏幕截图显示了我在 Windows 10 上的命令提示符

评论 1

如果上面显示的图像 token.png 被裁剪以连续构建字符串，那么很明显，Tesseract 在识别字符时应用了一些额外的逻辑。如下图所示。

看起来问题是在将字母添加到带有数字的字符串时开始的，例如，174被正确识别但174a被识别为1ida 如果 Tesseract 应用额外的逻辑，如字典查找，如何关闭此功能？

标签： ocrtesseract

Answer 1

调整图像大小，使字母高 30 px，将 dpi 设置为 300，模糊图像，二值化：

然后：

tesseract KYCvf_.png - --psm 8 --oem 1
174ad3d62c3c29e9eeae03d72h6e5f47h94d060cde 78d 107