如何提高OCR准确性？

Question

我有2张图片，如下所示。 tesseract完美地读取了A.png，但是即使B.png与A.png相似，B.png的准确性也非常差。如何提高准确性？我不知道从哪里开始调试？

• A.png

• B.png

• 运行OCR

# tesseract -v
tesseract 4.1.1-rc2-22-g08899

# tesseract A.png stdout -l jpn --psm 6
Warning: Invalid resolution 0 dpi. Using 70 instead.
第 3 期 決算 公告 令 和 2 年 2 月 7 日
大 阪 市 中 央 区 南 新町 一 丁目 3 番 10 号
株 式 会 社 Link_Mobile

代表 取締 役 佐々 木 勉

貸借 対照 表 の 要旨 (平成 31 年 3 月 31 日 現在 }

# tesseract B.png stdout -l jpn --psm 6
Warning: Invalid resolution 0 dpi. Using 70 instead.
。 人 加計
区 三 6 番 12 号
中 野 駅 前 ビル 5 | 、
am 人 mw
に て
貸借 対照 表 の 要旨 ( 令 和 元 年 11 月 30 日 現在 }

---

更新1

是否都使用相同的扫描仪以相同的分辨率进行扫描？

是。原来包含在同一PDF中的图像被剪切掉。

您是否利用Tesseract公开的任何API在进行OCR之前对图像进行预处理？

没有我不知道。我正在检查。

Answer 1

它改善了。我读了“ Tesseract documentation”并重新缩放了图像。

重新缩放Tesseract在DPI至少为300 dpi的图像上效果最佳，因此调整图像大小可能会有所帮助。有关更多信息，请参见FAQ。

• 重新缩放的图像

• 运行OCR

# tesseract B2.png stdout -l jpn --psm 6
第 54 期 決 算 公 告 _ 令 和 2 年 1 月 29 日
東京 都 中 野 区 中 野 三 丁目 36 番 12 号
中 野 駅 前 ビル 5 F
株 式 会 社 コ ー エ ー テ クニ カ
代表 取締 役 小 空 _ 修
貸借 対照 表 の 要旨 ( 令 和 元 年 11 月 30 日 現在 )