使用 Tesseract (OCR) 的特殊字符白名单答案

【问题标题】：Special Character Whitelist with Tesseract (OCR)使用 Tesseract (OCR) 的特殊字符白名单
【发布时间】：2018-01-19 05:13:46
【问题描述】：

我试图通过 OCR 读出一些货币价值，问题是我想告诉他他应该识别哪些字符。

这是我目前的白名单

       Version : Tesseract from Charles Weld v3.0.2
       tessedit_char_whitelist "0123456789,.$"

如何包含美分 (¢) ？

更新 1：如果我将 ¢ 添加到列表中，它将无法识别。

【问题讨论】：

【解决方案1】：

好吧，在我第一次有更相关的答案时未能理解问题。

ocr.SetVariable("tessedit_char_whitelist", "0123456789,.$¢");

以字符串形式提供参数名称和值，就像在配置文件中一样。比如

SetVariable("tessedit_char_whitelist", "xyz"); to whitelist x, y and z.

还要确定

SetVariable("classify_bln_numeric_mode", "1 or 0");

设置纯数字模式或禁用纯数字模式。哪一个满足您的需求我猜在您的情况下它应该被禁用，因为您使用字符和数字。

希望这会有所帮助！如果不让我知道，我会删除答案（我必须使用答案，因为我不能在 50 代表以下发表评论，否则我会先发表评论以获得有关该问题的更多信息）干杯！

【讨论】：

很抱歉第一次尝试回答很糟糕，我非常努力。
效果很好，你有 ocr 的经验吗？我需要一些帮助来改进识别有没有办法“教”它？有时它不会看到空间...
我一点经验都没有，我唯一的经验就是建立一个测试项目来测试我对你问题的回答。不过，我确实找到了一些相关文档，github.com/tesseract-ocr/tesseract/wiki/TrainingTesseract，更具体地说，github.com/tesseract-ocr/tesseract/wiki/TrainingTesseract-4.00。