Tesseract虚假空间识别

Question

我正在使用tesseract来识别序列号.这是可接受的常见问题,如错误识别零和"O",6和5,或M和H存在.除此之外,这个tesseract为识别的单词添加了空格,图像中没有空格.以下图像被识别为"HI 3H".

此图片导致"FBKHJ 1R1"

因此,tesseract增加了一个空间,尽管图像中没有真正的空间.是否有可能参数化tesseract的间距行为？

编辑

对不起,忘了添加,我也有包含空格的序列号.因此,我无法删除已识别序列号中的所有空格.

例如,在将tesseract识别为J4 F1583BB之后,包含序列号中包含空格的以下图像.除了对字符的识别是错误的,用该图像识别空间是正确的.

我的tesseract的实际参数是:

tesseract::TessBaseAPI tess;
tess.Init(NULL, "eng", tesseract::OEM_TESSERACT_ONLY);
tess.SetPageSegMode(tesseract::PSM_SINGLE_BLOCK);
tess.SetVariable("tessedit_char_whitelist",
            "ABCDEFGHIJKLMNOPQRSTUVWXYZ012345789");

char* out = tess.GetUTF8Text();
string text = string(out);

编辑

从现有答案中可以看出,"J"和"I"之间的空间似乎比其他字符之间的空间要小得多.我选择的字体类型是Monotype字体.原因是我想,这有助于确定字符识别.这种Monospace字体类型的缺点是每个字符具有相同的宽度,即内核(字符之间的空格)不同.请参阅以下源Source的示例图像

您认为哪种字体类型会获得更好的识别效果？

Answer 1

调整参数tosp_min_sane_kn_sp可能会有所帮助.我通过这样做解决了这个问题.

如果它没有帮助,您可以尝试其他 tosp_*参数,或解决空间源代码"tospace.cpp"

Answer 2

我不是 C++ 程序员，但我认为可以校准每个字母空间的宽度。我在此站点中找到了这个参数“textord_space_size_is_variable ” ，它表示“如果为真，则假定单词分隔符空格具有可变宽度，即使字符具有固定间距。”

祝你好运！:)