Tesseract：指定文本的區域

Question

我正在使用tesseract-ocr-3.01掃描許多表單。這些表格都遵循一個模板，所以我已經知道文字的區域/矩形在哪裏。

當使用命令行工具時，有沒有辦法將這些區域傳遞給tesseract？

Answer 1

我找到了答案，這要歸功於this thread。

看來tesseract支持uzn格式（用於unvl測試）。

從螺紋：

調用帶有參數的Tesseract「-psm 4」，並與圖像同名重命名文件uzn似乎 作品。

例子：如果我們有C:\input.tif和C:\input.uzn，我們這樣做：

tesseract -psm 4 C:\input.tif C:\output 

Answer 2

這可能不是一個最佳答案，但這裏有雲：

我不知道的命令行工具是否有選項來指定文本區域。

你可以做的是在另一個平臺上使用Tesseract包裝（EmguCV內置Tesseract）。因此，您可以獲得掃描圖像，剪出文本區域，並一次性將它們提供給Tesseract。這樣你也可以避免Tesseract頁面佈局分析中的任何不準確。

例如。

Image<Gray,Byte> scannedImage = new Image<Gray,Byte>(path_to_scanned_image); 
//assuming you know a text region 
Image<Gray,Byte> textRegion = new Image(100,20); 
scannedImage.ROI = new Rectangle(0,0,100,20); 
scannedImage.copyTo(textRegion); 
ocr.recognize(textRegion);