Затрагивает ли Tesseract любую нетекстовую область в отсканированном документе?

Question

Я использую Tesseract, но я не знаю, пренебрегает ли он какой-либо нетекстовой областью и задает только текст. Нужно ли удалять любую нетекстовую область в качестве шага предварительной обработки для лучшего вывода?

Answer 1

Tesseract имеет довольно хороший алгоритм для обнаружения текста, но в итоге он даст ложноположительные совпадения.

В идеале вы должны предварительно обработать изображение перед отправкой его в tesseract. Некоторое время назад я занимался подобной задачей, поэтому я предлагаю вам взглянуть на следующие материалы:

• OpenCV C++/Obj-C: Detecting a sheet of paper/Square Detection

• Executing cv::warpPerspective for a fake deskewing on a set of cv::Point

• Rotate cv::Mat using cv::warpAffine offsets destination image

• Affine Transform, Simple Rotation and Scaling or something else entirely?