如何提高Tesseract的OCR文本的准确性？

Question

我使用Google的Tesseract
API创建了一个用于识别文本的基本应用程序，并将其与我的相机应用程序集成在一起。它可以正常工作，但唯一的问题是准确性，因为有时文本会被识别为随机字符集，我想准确性约为50％。

此外，当它尝试扫描图像中的四个以上单词时，应用程序崩溃。

String ocrText = baseApi.getUTF8Text();
baseApi.end();

baseApiTesseract API类的对象在哪里。

我是否需要使用其他数据结构来保存识别的文本，还是有其他原因导致四个以上的单词无法识别？

Answer 1

Tesseract API类提供了isValidWord方法来检查字符串是否为有效单词。您可以使用它来检查识别的字符。这将提高输出的准确性。

我正在使用Tess4j进行开发，这是tesseract-ocr的Java JNA包装器，经过检查，它给出了很好的结果。

错误的结果可能是由于文本大小所致，请检查此内容。它说：“精度下降到10pt x 300dpi以下，迅速下降到8pt x 300dpi以下。”

此外，无法检测到四个以上的单词取决于许多因素，测试图像的种类（具有多少个特征），图像的大小，平台等。