在tesseract C API中禁用字典辅助的OCR

在tesseract C API中禁用字典辅助的OCR

 2019-07-22 20:31 | C#|浏览(30)

我有一个应用程序,其中使用tesseract API对技术数据表进行OCR.我像这样初始化它：

 

 

Copytesseract::TessBaseAPI tess;
tess.Init(NULL, "eng", tesseract::OEM_TESSERACT_ONLY);

但是,即使使用了这样的自定义白名单

 

Copytess.SetVariable("tessedit_char_blacklist", "");
tess.SetVariable("tessedit_char_whitelist", myWhitelist);

某些数据表条目被错误识别,例如PA3被识别为FAB.

如何禁用字典辅助的OCR,即.为了不影响其他工具,我不想在可能的情况下修改全局配置文件.

注意：这不是this previous question的副本,因为当我明确要求tesseract API时,所述问题明确要求使用命令行工具.

最佳答案

你可以通过以下方式完成

 

 

Copytesseract::TessBaseAPI *api = new tesseract::TessBaseAPI();
if (api->Init(NULL, "eng"))
{
    fprintf(stderr, "Could not initialize tesseract.\n");
    exit(1);
}

if(!api->SetVariable("tessedit_enable_doc_dict", "0"))
{
    cout << "Unable to enable dictionary" << endl;
}

只需将“tessedit_enable_doc_dict”作为参数传递给SetVariable函数,它就是相应的布尔值.

我在tesseractclass.h https://tesseract-ocr.github.io/a00736_source.html头文件(第839行)中找到它,我想找到正确参数的最佳方法是查看它定义的值(与您的版本对应的头文件.我的是3.04).
我试过很少,我之前在网上找到但没有工作.这是我的工作配置.

-------------------------------------------------------------------

 

我试图配置tesseract只识别完整的字典单词。这是：没有特殊字符，没有后缀或前缀等。

由于tessdata文件夹从这个项目不包含任何配置，我以为我会设置配置上init 。 

现在我试图通过修改claseAuxiliar.mm设置配置，但我不能说我注意到任何区别，这可能是因为配置错误或我设置他们错了。下面是我的配置，以及我目前如何设置它们：

 

  //初始化tesseract引擎。 
 tesseract = new tesseract :: TessBaseAPI（）; 
 tesseract-> Init（[dataPath cStringUsingEncoding：NSUTF8StringEncoding]，eng）; 
 if（！tesseract-> SetVariable（segment_penalty_dict_nonword，10））
 printf（Setting variable failed !!! \\\
）; 
 if（！tesseract-> SetVariable（segment_penalty_garbage，10））
 printf（Setting variable failed !!! \\\
）; 
 if（！tesseract-> SetVariable（stopper_nondict_certainty_base， -  100））
 printf（Setting variable failed !!! \\\
）; 
 if（！tesseract-> SetVariable（language_model_penalty_non_dict_word，1））
 printf（Setting variable failed !!! \\\
）; 
 if（！tesseract-> SetVariable（language_model_penalty_non_freq_dict_word，1））
 printf（Setting variable failed !!! \\\
）; 
 if（！tesseract-> SetVariable（GARBAGE_STRING，5））
 printf（Setting variable failed !!! \\\
）; 
 if（！tesseract-> SetVariable（NON_WERD，5））
 printf（Setting variable failed !!! \\\
）; 
  

 

解决方案

您可能想要抑制系统字典，加载替代自定义字典。

https://github.com/tesseract-ocr/tesseract/blob/master/doc/tesseract.1.asc

 ------------------------