OCR in Script-Programmen unter Windows

Eventuell wird mit einem Wörterbuch abgeglichen oder typische englische 
Silben erkannt. Versuch das mal rauszufinden und ggf abzuschalten.

Ja, defaultmässig wird wohl englisch installiert worden sein.
Ich will mich nicht auf eine Sprache festlegen, da es universell nutzbar 
sein soll.

Aber bei so einer klaren Grafik hätte ich eine 100%-ige Erkennung 
erwartet.
Die Voraussetzungen sind hier ideal und nicht wie bei einem Papier-Scan 
(schiefe linien, Dreck/Staub-Pixel, ...)

Das könnte ein Antwort sein:

http://markmail.org/message/idoes77vyhuq45ww#query:+page:1+mid:2llgcorkppvrdgnv+state:results
I believe the previous response is correct:  tesseract needs
characters to have a a pretty large height in terms of pixels.  There
is probably something in the FAQ.  On 4-21-09 I had a post with more
details.

On Aug 5, 9:24 am, jia <jiap...@gmail.com> wrote:
Hello, group,

I'm trying to use tesseract to recognize text in screen capture
images. However, tesseract doesn't recognize anything on the font size
commonly used in GUI. See the file named "capture.tif" for an example.
However it does work on larger font. I suspect it has to do with the
very thin stroke in smaller font. If that's the case, is there any
parameters I can tune to make it work on smaller font?



Die Buchstaben-Höhe in Pixel sind bei einen PapierScan natürlich größer 
(Resolution >= 300dpi vorausgesetzt)
Vermutlich kann Tesseract kleine Pixelhöhen nicht handeln, trotz 
sonstigen idealen Bedingungen (kein Rauschen, exact horizontal-gerade 
Linien ...)

J. Wa. schrieb:
> Aber bei so einer klaren Grafik

Hast Du die als JPG verwendet, oder in einem verlustfrei komprimierenden 
Format? Wenn JPG, dann könnte die OCR über die JPEG-Artefakte stolpern.

Ansonsten: Die Schriftgröße ist für eine OCR grenzwertig klein.

> Deshalb wird oft auch OpenCV oder Leptonica dazu verwendet, die
> Buchstaben
> zu trennen und dann Tesseract einzeln zuzufuehren. Dann funktioniert es.

Fehlanzeige. Leptonica ist schon dabei. Das sieht man an der Ausgabe.



> Wenn JPG, dann könnte die OCR über die JPEG-Artefakte stolpern.
Ich habe es nochmal mit PNG versucht. Das Ergebnis ähnlich übel.

1

H:\tmp>c:\Users\Public\Tesseract-OCR\tesseract.exe  Snip1.PNG  1.txt

2

Tesseract Open Source OCR Engine v3.02 with Leptonica

3

4

5

H:\tmp>more 1.txt.txt

6

.7. Ha. schxxab:

7

> Abe: be) so elngr ldazen Gxafxk

8

9

Has: nu ma als are vuuenaec, ndex m elnun vgrlustfxex kanlpzunexgnden

10

Fnzmac? Vknn .195, dann kénnt: d1: ocn ubex dle .7'El5—Az::fak:e scclpun.

11

12

Anannslzen: D1: Schxxfbqiéfle 1;: fix: use ocn qrenzwertlq klem.

Dann probier das ganze doch nochmal mit einem deutlich höheren 
ppem-Wert.

Nochmal: Die Schrift ist zu klein.

Ich habe das ganze mit Abbys Finereader 9.0 probiert.
Da kam die Warnung, dass keine Resolution eingetragen ist, und er von 
300dpi ausgeht.
Finereader konnte keinen einzigen Buchstaben erkennen.

Dann habe ich manuell die Auflösung auf 96dpi geändert und alle 
Buchstaben wurden sauber erkannt.
Allerdings konnte er keine speziellen Buchstaben (Ñ ñ é)

wenn das ganze auf 800 px höhe raufgesampled wird, erkennt 
http://www.ocr-extract.com (German) das ganze recht gut:

1

AHe meine Entchen schwimmen auf dem Säh, schwimmen auf dem Säh,

2

3

Schwänzchen in dem Nasser, Köpfchen in die Höh