提高 tesseract 文本识别的质量

Question

我尝试构建一个可以扫描汽车 vin 号的 iOS 应用。我在扫描的准确性方面遇到了一些问题。

我使用 opencv 来查找文本的轮廓/边界框，到目前为止我得到了这个结果：

如您所见，我在找到文本框方面取得了很好的效果，并且在将图像发送到 tesseract 之前，我正在根据绿框裁剪图像。

Tesseract 然而并没有给出好的结果。有时我得到正确的文字，有时它给了我别的东西。

我使用来自以下 Pod 的 tesseract 3.03：https://github.com/kevincon/Tesseract-OCR-iOS/tree/tesseract3.03

我使用默认的英语培训字典，并设置 Tesseract，如下所示：

tesseract = [[Tesseract alloc] initWithLanguage:@"eng"];
[tesseract setVariableValue:@" 0123456789ABCDEFGHJKLMNPQRSTUVWXYZ" forKey:@"tessedit_char_whitelist"];
[tesseract setVariableValue:@"language_model_penalty_non_freq_dict_word" forKey:@"0"];
[tesseract setVariableValue:@"language_model_penalty_non_dict_word" forKey:@"0"];
[tesseract setVariableValue:@"load_system_dawg" forKey:@"0"];
[tesseract setVariableValue:@"load_freq_dawg" forKey:@"0"];

关于如何提高此扫描的准确性的任何想法？

更新 1： 我的下一步将是创建训练数据。我将尝试使用此图像： https://dl.dropboxusercontent.com/u/63179/ocr/traindoc.jpg 我使用的是 helvetica neue regular 字体，因为它看起来很相似。我知道我的文本只会包含数字和大写字符。

Answer 1

您是否生成了 .traindata？我为信用卡号码识别做了类似的事情。但它并没有开箱即用。

我使用 jTessBoxEditor 和 SerakTesseractTrainer 为用于信用卡的特定字体生成 .traindata。

但无论如何 - 结果并不像我预期的那么好。如果我用稍微不同的字体扫描数字，准确性会很差。