我们有一个 C# .Net 应用程序，它使用 Tesseract 对 .tiff 文件进行光学字符识别 (OCR)。这是一个例子：
然后我们将数据输出到一个文本文件。但是，Tesseract 以垂直方式读取数据。在我的示例图像中，它将 tiff 作为两列数据读取，数据从 Tesseract 输出，如下所示：
类型： 日期： 地址： 城市： 状态： 所有者： 业主类型： 面积： 抵押： 12345 2017-04-06 主街 100 号 某市 某州 约翰·多伊 基本的 10.25 是的
我们想要的是 Tesseract 水平读取 tiff 文件并让输出看起来像这样：
类型：12345 日期：2017-04-06 地址：主街 100 号 城市：某个城市 状态：某个状态 所有者：John Doe 业主类型：主要 种植面积：10.25 抵押：是的
我们尝试了 Tesseract 的各种页面分割选项，但它们都产生了相同的结果。
有人遇到过同样的问题吗？有人有什么想法吗？
【问题讨论】：
我找到了解决方案。 Tesseract 有一组配置文件。其中几个配置文件中包含设置 tessedit_pageseg_mode。此设置在所有配置文件中设置为 1。 1=Automatic page segmentation with OSD.OSD=Orientation and script detection.
底线，这些配置文件设置覆盖了我们的命令行参数。一旦我从配置文件中删除了 tessedit_pageseg_mode 参数，我们的命令行参数
-psm 6 工作并以所需格式生成输出数据。
psm=Page Segmentation Mode. 6=Assume a single uniform block of text
-psm 4 也有效
psm=Page Segmentation Mode. 4=Assume a single column of text of variable sizes
【讨论】：
我知道这是一篇旧帖子，但我今天遇到了同样的问题。
使用engine.SetVariable("tessedit_pageseg_mode", 6); 设置分段模式无效。
由于某种原因，我没有在配置文件中找到它。
解决方案：
engine.DefaultPageSegMode = PageSegMode.SingleBlock;
【讨论】：