Ocr 通过训练tesseract获得更好的识别结果

我有一个关于使用tesseract获得更好的识别结果的问题。我正在使用tesseract识别序列号。序列号仅由一种字体类型（字符A-Z、0-9）组成，并以不同的大小和长度出现

目前，我能够正确识别大约40%的序列号图像。图像是通过手机摄像头拍摄的。因此图像质量不是最好的

特殊问题字符为8/B、5/6。因为我只识别序列号，所以我没有使用任何字典改进，每个字符都是独立识别的

我的问题是：是否有人已经有了通过培训tesseract获得更好识别结果的经验？需要多少图像才能获得好的结果

对于培训tesseract，我应该使用打印的和随后拍摄的序列号，还是应该使用原始数字序列号而不打印和拍摄

也许有人已经在这方面有经验了

关于训练tesseract：我已经用一些图像训练了tesseract。因此，我打印了不同尺寸的所有字符，并对它们进行了拍照和正确标记。角色5的训练照片示例

这是一个好/坏的培训示例吗？因为我只想识别单个字符，没有任何依赖性，所以我想我不必使用单词进行训练

实际上，我只对其中3幅图像进行了字符B8 6 5的训练，与原始英语（eng）tesseract数据库相比，这并没有产生更好的识别效果

致以最良好的祝愿，

---

Christoph

我目前正在开发一个Sikuli应用程序，使用Tesseract从屏幕截图中读取文本（字符串和数字）。我发现实现准确度的最佳方法是在对屏幕截图执行OCR之前对其进行处理。然而，我读的大多数文本都是黑色背景下的绿色文本，这是我首选的解决方案。我使用BuffereImage中的方法来增加图像的大小：

BufferedImage bufImg = Scalr.resize(...)

使用灰色背景上的黑色文本，即时生成更准确的结果。然后，在创建新的BuffereImage时，我使用了BuffereImage的选项

BuffereImage.TYPE_BYTE_GRAY

和

BuffereImage.TYPE_BYTE_BINARY

，分别将图像处理为灰度和黑白

遵循这些步骤，Tesseract在处理黑色背景上的绿色文本时的准确率从30%提高到85%左右，而在处理白色背景上的正常黑色文本时，准确率则接近100%。（有时单词中的字母会被数字弄错，例如hel10）
我希望这有帮助