Python Tesseract ocr在放大图像大小时表现怪异。如何知道哪种比例因子最适合某些特定类型的图像？

我有这个 形象与 我尝试了以下python代码
我从下载了“eng”并将其重命名为“eng_best”

img=cv2.imread（文件路径）
lang=“eng_best”
对于范围（1,8）内的img_比例系数：
打印（文件路径、图像缩放因子）
img=cv2.调整大小（img，无，fx=img\u比例因子，fy=img\u比例因子）
hocr_data=pytesseract.image_to_pdf_或_hocr（img，extension=“hocr”，lang=lang，config=“--dpi 1”）
文件名={0:03d}{jpg{1}{x{3}.{2}.格式（6，lang，“hocr”，img_比例系数）
将open（os.path.join（savediv，文件名），'w+b'）作为f:
f、 写入（hocr_数据）
打印（“输出-{}”。格式（文件名））

我尝试了上面的代码，使用从

1

到

7

的

img\u比例因子

对给定图像进行缩放
以下是输出文件：

我们可以清楚地观察到输出

从

img\u scale\u factor

1到2

-增加ocr结果

对于

img\u scale\u factor

3

-所有ocr结果中最好的

从

img\u scale\u factor

4到7

-降低ocr结果

对于该特定图像，

img\u scale\u factor

3

提供最佳结果

在不检查某些特定类型图像的每个比例因子的ocr的情况下，我们如何找出哪个比例因子最好？ 可能这可以通过固定最小字体和最大字体大小来解决。
有没有办法配置最小字体大小和最大字体大小

编辑： 正如刚才提到的 他们建议小写“x”的文本高度应在10到30像素之间。

---

我计算了x高度的比例因子，1是25px，2是50px，3是75px，以此类推。在这种情况下，当x高度为75px时，它会显示更精确的结果。

我认为这种方法可以检测图像中的轮廓。您可以注意到不同高度轮廓所需的重缩放。这可以为您提供数据，以确定不同大小的文本需要多少重缩放。然后，对于任何新图像，您只需使用从轮廓检测到的高度找到文本的大小，然后应用适当的重新缩放。在Tesseract上，他们建议小写“x”的文本高度应在10到30 px之间。i计算了缩放因子的x高度，对于1，它是25px，对于2，它是50px，对于3，它是75px，依此类推。在这种情况下，当x高度为75px时，显示更精确的结果。