Улучшение распознавания pytesseract

#python #распознавание_символов

Я пытаюсь сделать распознавание отчетливого набора букв - Arcane Adress в рамке,
но Tesseract не справляется. 

Как улучшить качество распознавания?

import pytesseract
from PIL import Image,  ImageEnhance, ImageFilter

pytesseract.pytesseract.tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract'

img = Image.open("C:\\Users\loljkpro\Desktop\DoD\AA.png").crop((804, 540, 1120, 580))
text = pytesseract.image_to_string(img, lang='eng')
print(text)
img.show()


Мое изображение


    

Ответы

Ответ 1

Как выяснилось из общения в комментариях, автор вопроса использовал tesseract-ocr-setup-3.05.01.
В новой версии Tesseract 4.0 with LSTM используются рекуррентные нейронные сети, использующие
алгоритм LSTM (Long short-term memory) - один из самых эффетивных и популярных при
работе с естественными текстами.

Google протестировал точность распознавания для больших объемов данных (для языка Hindi):






Engine
Total char errors
Word Recall Errors
Word Precision Errors
Walltime
CPUtime*




Tess 3.04
13.9
30
31.2
3.0
2.8


Cube
15.1
29.5
30.7
3.4
3.1


Tess+Cube
11.0
24.2
25.4
5.7
5.3


LSTM
7.6
20.9
20.8
1.5
2.5







Tesseract 4.0 with LSTM показал гораздо лучшие результаты (меньше ошибок и работает
быстрее) по сравнению с Tesseract 3.04

Вывод: есть смысл попробовать новую beta версию Tesseract 4.0 with LSTM