Tesseract - 使用与主要 OCR 不同的图像格式进行训练答案

【问题标题】：Tesseract - train with different image format than used for primary OCRTesseract - 使用与主要 OCR 不同的图像格式进行训练
【发布时间】：2016-06-24 10:09:57
【问题描述】：

正如在SO Question 中所讨论的，tesseract 通常使用 .png 文件比使用 .tiff 文件运行得更好。（我自己也直接经历过）。不幸的是，可以处理 .png 文件的框编辑器较少。因此，我很想使用 .tiff 文件训练我的数据，然后将 .png 文件用于我的主要 OCR 工作。这样做会降低培训的效果吗？如果是这样，有什么方法可以解决它（除了找到一个可以接受 .png 文件的框编辑器）？

【问题讨论】：

标签： tesseract

【解决方案1】：

一些编辑器，例如 jTessBoxEditor (Tesseract AddOns page) 支持 TIFF 和 PNG 格式。由于 TIFF 可以是多页图像，因此它可以为您的字符集提供比单页 PNG 更多的样本。

https://github.com/tesseract-ocr/tesseract/wiki/TrainingTesseract

【讨论】：

有意思，谢谢！你知道，jTessBoxEditor 是我一直在使用的。我一直在尝试将它与 600dpi .png 文件（只有 212KB）一起使用，但它根本不会加载它。但是，当我切换到 500dpi 时，它仍然有效。我不太确定这是怎么回事。但是，根据我对 600dpi 文件的经验，我以前只是认为不可能与 .png 一起使用。但是，在阅读您的答案并尝试之后，它奏效了！也感谢您在该程序上所做的所有出色工作以及您在 SO 上提供的其他超级有用的答案。
另外，为了不让 cmets 填写太多单独的问题，我发布了 this 新问题作为您对多页 .tif 图像的评论的后续。您对此的任何见解也将不胜感激！谢谢！
除非内存不足，否则应该没有限制。尝试使用更大的 JVM 堆大小运行程序并再次加载 600dpi 图像。
好的，谢谢。我仍然没有成功使用 600dpi 图像。我在 here 上创建了一个单独的问题