zoukankan      html  css  js  c++  java
  • Windows上使用Tesseract-ocr识别藏文、天城体梵文

    Tesseract-ocr可以OCR识别藏文、梵文,识别为Unicode字符,效果还不错

    1、下载Windows安装版


    Windows安装版地址:
    https://github.com/UB-Mannheim/tesseract/wiki

    所有版本下载地址:

    https://digi.bib.uni-mannheim.de/tesseract/

    推荐使用5.0版本,4.0版本支持API,编程需要4.0版本。

    2、下载识别文件包
    https://tesseract-ocr.github.io/tessdoc/Data-Files

    有普通、best、fast三种模式可选,下载相应traineddata数据。可以下载4.0的数据。

     

    还有很多其他语言,可以去探索。

    注:汉语、日语、韩语等语言,Finereader的OCR效果要比Tesseract-ocr强很多,但是Finereader是收费的。西方语言还可以选用OmniPage,但是OmniPage也是收费的。网上有破解版,但是现在越来越不少找了。



    3、配置TESSDATA_PREFIX变量
    参考网页:https://blog.csdn.net/weixin_41982136/article/details/82747499

    如将traineddata拷贝至C:Program FilesTesseract-OCR essdata,则将TESSDATA_PREFIX设置为C:Program FilesTesseract-OCR essdata


    4、在命令行下使用

    参考网页:

    https://tesseract-ocr.github.io/tessdoc/Command-Line-Usage.html

    识别藏文

    tesseract 藏文图片  保存地址  -l bod

    识别梵文

    tesseract 梵文图片  保存地址  -l san


    cmd示例:

    进入安装目录
    cd C:Program FilesTesseract-OCR

    测试语言安装是否正确,有哪些训练语言
    tesseract --list-langs

    识别一张图片
    tesseract tib_001.jpg D: ib_001 -l bod

    经测试,识别铅字印刷的图片,效果还可以。

    经过优化处理的图片,可以显著提高识别率,参见:

    https://tesseract-ocr.github.io/tessdoc/ImproveQuality.html

    处理图片推荐使用老马软件ComicEnhancerPro。

    老马的博客地址:https://www.cnblogs.com/stronghorse/

  • 相关阅读:
    移动比联通强的帖子的再次探讨
    清除或选中所有的checkbox
    textbox获得焦点显示JS日历控件
    Repeater分页
    互联网协会:博客推行实名制已成定局
    新闻内容分页
    获得显示器设置的分辨率
    node.js应用生成windows server的plugin——winser
    CSS基础
    git使用
  • 原文地址:https://www.cnblogs.com/yanghao2008/p/12907795.html
Copyright © 2011-2022 走看看