未应用 Tesseract 用户模式

Question

我想对这张图片进行 OCR。 这是预先定义的格式。即前五个是字符，接下来的四个是数字，最后是字符。

当我执行以下命令时

$ tesseract in.png stdout

我得到的输出为 BDVPD474SQ

所以，我选择了用户模式。 我创建了一个文件（在目录/usr/share/tesseract-ocr/tessdata/configs中），名为bazaar（其内容如下）

load_system_dawg     F
load_freq_dawg       F
user_patterns_suffix user-patterns

我还在目录/usr/share/tesseract-ocr/tessdata中创建了一个文件，名为eng.user-patterns（其内容如下）

\A\A\A\A\A\d\d\d\d\A

不过，我得到了相同的结果

$ tesseract in.png stdout bazaar
BDVPD474SQ

我做错了什么？ 有没有人通过 Tess4j 完成这个？

Answer 1

您可以添加选项

--oem 0

以确保应用用户模式。请参阅此公关评论。

由于我使用的是 tesseract

5.3.3

，我必须调整您的输入图像以重现类似的行为：

我指定用户模式

\A\A\A\A\A\d\d\d\A\A

，以强制将部分擦除的

9

字符识别为字母。

使用

--oem 0

，Tesseract 返回

BDVPD474SQ

（它读取为

S

）。

如果没有该选项，Tesseract 将返回

BDVPD474SQ

（识别

5

）。