C++ OpenCV+；Tesseract：改进从复杂图像（如scenary）中检测文本的功能

我想提高复杂图像中的文本识别精度

我目前正在使用以下示例代码：

我正在尝试检测此图像中的文本：

（注意：这是我试图处理的类似类型的镜头）

---

结果：

有很多问题，但对我来说最大的问题是小写字母很容易被忽略或被错误识别

e.g.) 'i' became l
e.g.) 'in' became 'm'
e.g.) 'l' can be gone...

我认为问题与erFilter生成的图像有关。 如图所示，此时已经省略了一些小部件

请让我知道是否有一个好办法，以避免这样的小零件遗漏。 可能对图像进行了某种预处理

---

注意： 我已经检查了下面的帖子，但我的目标镜头类似于他论文中的“失败”案例

---

如果您有大量数据，请使用深度学习。如果可能，错误识别可以减少：1。收集所有潜在的模糊事物，如i=l、O=0等。在你当前的图像中，找出所有那些模棱两可的东西。3.从字典和上下文中查找：尝试查找最可能的版本。例如，这个词不太可能是“TRALNING”，但更可能是“TRAINING”。是的，这是一个很大的工作。。。在特殊任务（如ANPR重新检测）中，用一个固定的东西替换所有模糊的东西可能就足够了。你可以像下面这样预处理你的图像：如果你有大量数据，使用深度学习。如果可能，错误识别可以减少：1。收集所有潜在的模糊事物，如i=l、O=0等。在你当前的图像中，找出所有那些模棱两可的东西。3.从字典和上下文中查找：尝试查找最可能的版本。例如，这个词不太可能是“TRALNING”，但更可能是“TRAINING”。是的，这是一个很大的工作。。。在特殊任务（如ANPR重新检测）中，仅用一个固定的东西替换所有不明确的东西就足够了。您可以像本文中那样预处理图像：