PyTesseract OCR 是否提供了文本检测或文本提取的置信度？

Question

当 Pytesseract 与命令 pytessract.image_to_data 一起使用时，它会返回许多值，其中之一是置信度。这种自信意味着什么？是文本检测的置信度，即文本是否存在？

还是提取的实际文本的置信度？ 如果有人也可以指出我找到这个问题的答案的来源，将非常感激。

Answer 1

• 这种信心意味着什么？是文本检测的置信度，即文本是否存在？还是提取的实际文本的置信度？

表示当前文本在边界框中的预测准确度。可以肯定地说提取的实际文本的置信度。正如here 中所述，您可以使用它来过滤弱检测。

那么我们如何在示例中使用它呢？

假设我们有以下示例：

我们希望以大于 40% 的置信度识别文本。

结果将是：

如果我们查看边界框：

Detected	Result	Confidence
	ESTATE	96
	AGENTS	96
	=!	48

我们可以看到 SAXONS 无法识别。信心也是pre-processing效率的一个很好的指标。

例如，如果我们申请adaptive-threshold

Detected	Result	Confidence
	ESTATE	51
	AGENTS	69
	SAXONS	42

从上面我们可以看出，所有的文本都被识别出来了，但是之前识别出来的文本置信度比现在要大。

结果将是：

代码：

---

# Load the libraries
import cv2
import pytesseract

# Load the image
img = cv2.imread("example_03.jpg")

# Convert it to the gray-scale
gry = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# threshold
thr = cv2.adaptiveThreshold(gry, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 71, 71)

# OCR detection
d = pytesseract.image_to_data(thr, config="--psm 6", output_type=pytesseract.Output.DICT)

# Get ROI part from the detection
n_boxes = len(d['text'])

# For each detected part
for i in range(n_boxes):

    # If the prediction accuracy greater than %50
    if int(d['conf'][i]) > 40:

        # Print the confidence
        print("\nConfidence: {}\n".format(d['conf'][i]))

        # Get the localized region
        (x, y, w, h) = (d['left'][i], d['top'][i], d['width'][i], d['height'][i])

        # Draw rectangle to the detected region
        cv2.rectangle(img, (x, y), (x + w, y + h), (0, 0, 255), 5)

        # Crop the image
        crp = thr[y:y + h, x:x + w]

        # OCR
        txt = pytesseract.image_to_string(crp, config="--psm 6")
        print(txt)

        # Display the cropped
        cv2.imshow("crp", crp)
        cv2.waitKey(0)

# Display the mask
cv2.imshow("img", img)
cv2.waitKey(0)