僅使用Tesseract OCR進行字符分割

Question

我想對打印的文檔進行文本分割。我已經將文檔分割爲字符分割，但是當我碰到一些感人的角色時，我失敗了。我只想使用Tesseract OCR來分割單詞。我知道Tesseract可以完成這項任務，但是我不知道如何在不挖掘tesseract的內部代碼的情況下訪問它。任何人都可以給我一些建議嗎？如果可能的話，我需要Python。

Answer 1

如果您可以調用TessBaseAPIGetComponentImages API方法，則可以在各種pageIteratorLevel級別（符號/字符，字，行等）上檢索分割，而無需在圖像上執行實際的OCR。