1.图像处理

tesseract内置了一些图像处理方法（基于leptonica library）。
如果我们想要观察tesseract如何处理图片可以将tessedit_write_images变量设置为true。

改变尺度

tesseract默认dpi是300，最好把图片的dpi设置为300

二值化

将图片二值化，tesseract虽然内置了改方法，但是可能结果并不理想，所以最好在ocr之前先进行二值化。使用pillow。

二值化的作用是去掉噪声，比如黑点或者颜色。

旋转/抗扭斜

将倾斜的文章旋转称垂直。

除边界

2.页面分割方法

默认的tesseract将一个图片当成一个文档来看。如果只需要指定的区域可以使用不同的分割模式，使用psm参数。

  0    Orientation and script detection (OSD) only.1    Automatic page segmentation with OSD.2    Automatic page segmentation, but no OSD, or OCR.3    Fully automatic page segmentation, but no OSD. (Default)4    Assume a single column of text of variable sizes.5    Assume a single uniform block of vertically aligned text.6    Assume a single uniform block of text.7    Treat the image as a single text line.8    Treat the image as a single word.9    Treat the image as a single word in a circle.10    Treat the image as a single character.11    Sparse text. Find as much text as possible in no particular order.12    Sparse text with OSD.13    Raw line. Treat the image as a single text line,bypassing hacks that are Tesseract-specific.

3.词典，单词列表和模式

默认的tesseract尽可能识别普通的句子。如果想要识别
收入，价格或者代码等则需要以下步骤
1.选择合适的分割方法。
参考：
https://github.com/tesseract-ocr/tesseract/wiki/ImproveQuality#page-segmentation-method

2.禁用字典。如果我们需要识别的字符大多不是字典单词。通过将load_system_dawg和load_freq_dawg设置为false。
参考：
https://github.com/tesseract-ocr/tesseract/wiki/ControlParams
3.将词语店家到词语列表，将提升Tesseract的识别准确率，或者添加字符模式。参考
https://github.com/tesseract-ocr/tesseract/blob/master/doc/tesseract.1.asc#config-files-and-augmenting-with-user-data
4.如果只想识别语料库中的一部分字符，比如只需要识别数字，则可以设置tessedit_char_whitelist参数。
参考：
https://github.com/tesseract-ocr/tesseract/wiki/ControlParams

参考文献:
https://github.com/tesseract-ocr/tesseract/wiki/ImproveQuality
https://blog.csdn.net/hechaojie_com/article/details/81560153

tesseract 提升识别质量相关推荐

IJCAI 2019 | 通过交互提升机器翻译质量
自从神经网络模型在机器翻译任务(Machine Transoformer,MT)得到了应用,该任务得到了飞速的发展,机器翻译的质量也在不断地提高.尽管如此,机器翻译的质量也难以与人类译者相提并论.但是 ...
自媒体关键词布局怎么做，快速提升文章质量？
自媒体人如何提升文章质量?应该怎样堆积关键词呢?很多小伙伴经常说,感觉自己文章质量不过关,文章的阅读量一直上不去,有没有什么提升的办法,今天就给大家介绍一下,自媒体关键词布局怎么做,让你快速提升文章质 ...
华为如何生成日志_华为应用市场AppGallery Connect开发者沙龙：全面提升应用质量...
在繁多设备类型.机型.系统下,在复杂的网络环境下,在多样用户群和使用场景下,常规测试无法解决所有真实环境中的问题.应用发布后,发生崩溃和性能问题非常影响用户的体验.为了更高效地发现和解决问题,华为应用 ...
android注解的作用,Android 用注解来提升代码质量
Android 用注解来提升代码质量 Android,注解,annotation 2018.07.13 Android 提供了一个注解的 support 包,这个注解包配合 IDE 可以用来提升我的代 ...
12种提升视频质量的方法
点击上方"LiveVideoStack"关注我们翻译.编辑 | Alex 技术审校 | 章琦本文来自OTTVerse,作者为Krishna Rao Vijayanagar. ...
python代码标识码_代码分享：使用Python和Tesseract来识别图形验证码
原标题:代码分享:使用Python和Tesseract来识别图形验证码 *本文原创作者:ipenox,本文属FreeBuf原创奖励计划,未经许可禁止转载各位在企业中做Web漏洞扫描或者渗透测试的朋友 ...
企业如何提升数据质量
在这个大数据时代,数据资产逐渐成了构成成企业核心竞争力的关键要素,然后,大数据的应用必须建立在高质量的数据上才有意义,因此提供数据质量是企业需要迅速解决的问题,那么企业如果提升数据质量? 数据质量一般 ...
python应用内部审计_基于大数据技术提升内部审计质量的路径
龙源期刊网 http://www.qikan.com.cn 基于大数据技术提升内部审计质量的路径作者:彭德锦方智来源:<中国内部审计> 2019 年第 07 期 [ 摘要 ] 随着大 ...
百家号自媒体如何提升文章质量，百家号怎么写好文章，百家号写文章技巧
2018年是自媒体时代,内容爆发的时代,依然是内容为王的时代,标题决定打开率,内容决定转发,只要你的内容质量足够好,就会吸引粉丝的关注.百家号文章如何提升内容质量,可以从以下几点出发,认真做好每一点. ...

tesseract 提升识别质量