.NET Tesseract 5.2.0 OCR字符识别错误问题求助

问题描述 #

我使用.NET Tesseract（5.2.0）包提取图片文本，目标图片是包含等号的三行简单文本，但识别结果要么完全错误，要么存在字符偏差——比如把2005识别成005，=S识别成=8。我需要找到免费方案，证明该图片的文本可以被正确识别，不想使用付费服务。

已尝试操作 #

• 调整DefaultPageSegMode参数，测试后发现SparseText模式的识别效果相对最佳

示例代码 #

using (var engine = new TesseractEngine(@"C:\Users\Eren1\source\repos\DeleteLater_ReadImage\DeleteLater_ReadImage\bin\Debug\net7.0\tessdata", "eng", EngineMode.TesseractAndLstm))
{
    engine.DefaultPageSegMode = PageSegMode.SparseText;

    using (var img = Pix.LoadFromFile(@"C:\Users\Eren1\source\repos\DeleteLater_ReadImage\DeleteLater_ReadImage\bin\Debug\net7.0\test9.png"))
    using (var page = engine.Process(img))
    {
        var text = page.GetText();

        using (var iter = page.GetIterator())
        {
            iter.Begin();
            string text2 = iter.GetText(PageIteratorLevel.Block);
            iter.Next(PageIteratorLevel.Block);
        }

        // text variable contains a string with all words found
        return text;
    }
}

当前识别输出 #

005

1FH13=8

2005060

e N

(o) (o) — |

预期正确识别结果示例 #

• 005应识别为2005
• =8应识别为=S

内容的提问来源于stack exchange，提问作者MonkeyDLuffy