Tesseract是否會忽略掃描文檔中的任何非文本區域？

Question

我使用的是Tesseract，但我不知道它是否忽略任何非文本區域並僅以文本爲目標。我是否必須刪除任何非文本區域作爲預處理步驟以獲得更好的輸出？

Answer 1

Tesseract有一個相當不錯的算法來檢測文本，但它最終會給出假陽性匹配。

理想情況下，您可以在將圖像提交給tesseract之前對圖像進行預處理。前一段時間我從事類似的任務，所以我建議你看一看以下材料：

• 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?