如何限制识别结果？答案

【问题标题】：How to limit the results of recognition?如何限制识别结果？
【发布时间】：2014-10-02 06:54:30
【问题描述】：

如何限制tess-two的结果（Tesseract和Leptonica库）,
我希望 Tesseract 限制结果：

只取 8 位数字，从字母 D 计算
不要使用小写、回车、空格和符号
只取大写和数字。

例如：
识别结果为"asn*&bhDK 1234 UDaks&%^jdg"，则简单取为"DK1234UD"。
所以，不要拿LowerChase、Enter、Space。只取 UperChase 和数字。

我使用 Java 源代码

这是识别码：

    TessBaseAPI baseApi = new TessBaseAPI();
    baseApi.setPageSegMode(TessBaseAPI.OEM_TESSERACT_CUBE_COMBINED);
    baseApi.setPageSegMode(PageSegMode.PSM_AUTO_OSD);
    baseApi.setPageSegMode(PageSegMode.PSM_SINGLE_LINE);
    baseApi.setDebug(true);
    baseApi.init(DATA_PATH, lang);
    //setImage
    baseApi.setImage(bmpOtsu);
    //set whitelist
    String whitelist = "ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789";
    baseApi.setVariable(TessBaseAPI.VAR_CHAR_WHITELIST, whitelist);
    //variable for recognizing      
    String recognizedText = baseApi.getUTF8Text();
    String resultTxt = recognizedText;
    baseApi.end();

    if ( lang.equalsIgnoreCase("eng") ) {
        recognizedText = recognizedText.replaceAll("[^A-Z0-9]", " ");
    }

谁能告诉我该怎么做？这里应该添加什么？

【问题讨论】：

标签： java android ocr tesseract leptonica

【解决方案1】：

如果你使用TessBaseAPI的实例，你可以用常量VAR_CHAR_WHITELIST调用setVariable()

String whiteList = "ABCD...XYZ1234567890";
tessBaseApi.setVariable(TessBaseAPI.VAR_CHAR_WHITELIST,whiteList);

您可以根据需要调整白名单所以如果你想忽略除 D 和 K 之外的所有其他字母，请设置它：

String whiteList = "DK1234567890";

如果需要，您可能仍需要对结果进行更多的字符串操作，就像根据您的示例从结果末尾删除字母你可能会得到这个结果（使用第二个 whilteList）

DK1234UD

编辑：

从 DK123455UD 获取结果你可以使用 substring()

String result = "DK123455UD";
int pos = result.indexOf("DK");
String finalResult = result.substring(pos,pos+8);

编辑：
喜欢这个？

    String whitelist = "ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789";
    baseApi.setVariable(TessBaseAPI.VAR_CHAR_WHITELIST, whitelist);
    //setImage
    baseApi.setImage(bmpOtsu);
    //variable for recognizing      
    String recognizedText = baseApi.getUTF8Text();
    //
    int get8digits = recognizedText.indexOf("D");
    String resultTxt = recognizedText.substring(get8digits, get8digits+8);

【讨论】：

绝对是“DK”的字母。 “DK”后面的字母不固定。所以，有时在字母DK之后是1234UD，或4369CU，或0987BA。
是的，这就是我告诉你的原因，你需要操纵最终结果以获得你想要的，也许应用一些正则表达式来提取模式以 DK 开头，后跟任何数字，这就是你需要的做，如果白名单给了你你需要的东西
根据您的问题：**只取 8 位数字，从字母 D** 计算，所以在最终结果中，得到 indexOf("DK");和子串 8 位数字...
但是怎么做呢？你能用java代码告诉我吗？请......真的很困惑
我在我的代码中添加了setVariable，请看上面。但是现在，如何限制从字母“D”开始的只有8位结果

【解决方案2】：

感谢@Yazan 的回答，它的工作。
我已经改进了答案。
这是我的代码：

        TessBaseAPI baseApi = new TessBaseAPI();
    baseApi.setPageSegMode(TessBaseAPI.OEM_TESSERACT_CUBE_COMBINED);
    baseApi.setPageSegMode(PageSegMode.PSM_AUTO_OSD);
    baseApi.setPageSegMode(PageSegMode.PSM_SINGLE_LINE);
    baseApi.setDebug(true);
    baseApi.init(DATA_PATH, lang);
    //set variable
    String whiteList = "ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789";
    String blackList = "\\s";
    baseApi.setVariable(TessBaseAPI.VAR_CHAR_WHITELIST, whiteList);
    baseApi.setVariable(TessBaseAPI.VAR_CHAR_BLACKLIST, blackList);
    //setImage
    //baseApi.setImage(bmpOtsu, w, h, 8, (Integer) null);
    baseApi.setImage(bmpOtsu);
    //variable for recognizing      
    String recognizedText = baseApi.getUTF8Text();
    recognizedText = recognizedText.replaceAll(blackList, "");//remove space
    String resultTxt = recognizedText;
    //
    baseApi.end();

    Log.v(TAG, "OCRED TEXT: " + recognizedText);
    if ( lang.equalsIgnoreCase("eng") ) {
        int get8digits = recognizedText.indexOf("D");
        String loop = recognizedText.substring(get8digits, recognizedText.length());
        if(recognizedText.contains("D") && loop.length() >= 8){
            Log.w(TAG, "OPSI 1"+"\n"+"Length: "+loop.length()+"\n"+"Values: "+loop);                
            recognizedText = recognizedText.substring(get8digits, get8digits+8);                                                
        }else if(recognizedText.contains("D") && loop.length() < 8){
            Log.w(TAG, "OPSI 2"+"\n"+"Length: "+loop.length()+"\n"+"Values: "+loop);
            recognizedText = loop;
        }else{
            Log.w(TAG, "OPSI 3"+"\n"+"Length: "+loop.length()+"\n"+"Values: "+loop);
            recognizedText = recognizedText.replaceAll("[A-Z0-9]"," ");

        }

我希望这对任何人都有帮助。

【讨论】：