c# OCR 无法识别数字（tesseract 2）答案

【问题标题】：c# OCR can't recognize digits (tesseract 2)c# OCR 无法识别数字（tesseract 2）
【发布时间】：2011-07-25 10:03:33
【问题描述】：

我正在尝试从以下内容中提取数字：

失败了，我得到一个~作为回报。我正在使用谷歌的 tesseract 2，使用 C#（开源 c# 包装器），现在我想知道，这张图片是否太糟糕而不能用于 OCR？

因为恕我直言，数字很清楚。

您是否有任何其他 OCR 引擎可以解决这个问题？

编辑

我也尝试过使用 Asprise OCR (http://asprise.com/product/ocr/selector.php)，但它也无法解析图像...

【问题讨论】：

可能任何您支付 $ 购买的引擎都能够获得数字 - 例如 Abbyy 或 Oce'。
这是给我公司的。并且判断任务的大小，我敢肯定他们不会为此付钱，我也付不起^_^。这是两难境地：/。但是您是否认为我的图像对于 weak ocr 引擎来说太垃圾了？
你会推荐任何其他开源甚至免费的引擎吗？
我还没有找到一个好的开源 OCR。我很想知道是否也存在这种情况。据我所知，文档处理中有很多钱是通过点击（文档或页面）来收费的。
是的，这是一个糟糕的图像。磅值太小，文本没有抗锯齿，因此太块状。后者可能是扫描仪工件。

【解决方案1】：

我建议调整大小。我在 IE 中将此页面放大到 200%，截取屏幕截图，将其打印为 PDF 并将其导入到我使用 tessnet 的程序中。苔丝成功了！除非我读错了#s :-)

尽管置信度 = 140（如果您想知道，最好低于 100）。当然，当我尝试原始尺寸时，我没有得到〜；我得到了大约 1/2 的 #s 正确，一堆字母和其他垃圾。不够好，但更好。

t2 似乎喜欢一定尺寸的图像。

我的程序会进行处理以使其正常工作。建议使用 .net GDI+ 转换为 32 位，使用插值模式高质量双三次调整大小。这似乎有点“填补空白”。

使用可行的尺寸 - 我发现，太大或太小，并且 tesseract 表现不同。

这两个问题都是预处理，这很简单，你会尝试 tesseract；但是，我知道如何调整大小和插值；我不知道如何进行 OCR！所以我愿意和解。

【讨论】：

我可以使用您的代码来重新处理图像质量，以便我可以插入并测试吗？谢谢
@CoolStraw - 实际上，我使用 Alfred Bolliger 的 PrintKey 2000 拍摄了 IE8 的屏幕截图，使用 PDFMachineWhite 免费版打印，然后我的程序使用verydoc 的 pdf2vec 自动将其转换为 WMF，并使用VB.NET/GDI+，在其中渲染 WMF，并调整它的大小，在 UI 中呈现它，允许我拖动一个选择矩形并从弹出窗口中选择 OCR，保存一个用于单独进程的 sn-p 到 OCR 它使用tessnet ...（我忍不住要说！）不要那么努力。使用这样的代码 (bobpowell.net/highqualitythumb.htm) 来调整大小只放大，不缩小。
你摇滚我的世界宝贝男孩！非常感谢您解决了我的拦截器问题！

【解决方案2】：

您的图片分辨率太低——96 DPI，可能是屏幕截图。将其重新缩放到 300 DPI，tessnet2 应该能够识别它。

【讨论】：