ฉันจะเลือกระหว่าง Tesseract และ OpenCV ได้อย่างไร [ปิด]

ฉันเพิ่งมาข้ามTesseractและOpenCV ดูเหมือนว่า Tesseract เป็นเอ็นจิ้น OCR เต็มรูปแบบและ OpenCV สามารถใช้เป็นเฟรมเวิร์กเพื่อสร้างแอปพลิเคชัน / บริการ OCR

ฉันลองใช้ Tesseract กับภาพบางภาพและความแม่นยำของมันดูดี ต่อมาฉันเจอบทช่วยสอนง่ายๆเกี่ยวกับการใช้ OpenCV เพื่อดำเนินการ OCR โดยใช้ Python และรู้สึกประทับใจ ในไม่กี่นาทีฉันก็ฝึกระบบเสร็จแล้วและความแม่นยำก็ดี แต่แน่นอนว่าการใช้แนวทางนี้หมายความว่าฉันต้องฝึกระบบของฉันอย่างครอบคลุมโดยใช้ชุดการฝึกอบรมขนาดใหญ่

คำถามเฉพาะของฉันมีดังต่อไปนี้:

• เราจะเลือกระหว่าง Tesseract และการใช้ OpenCV เพื่อสร้างแอป OCR ที่กำหนดเองได้อย่างไร
• มีชุดข้อมูลการฝึกอบรมสำหรับ Tesseract สำหรับภาษาต่างๆ OpenCV มีบางอย่างที่คล้ายกันเพื่อที่ฉันจะได้ไม่ต้องเริ่มต้นใหม่เพื่อให้ได้ OCR หรือไม่
• อันไหนดีกว่าสำหรับแอปพลิเคชันเชิงพาณิชย์ที่อยากเป็น

ข้อเสนอแนะใด ๆ ?

• Tesseract เป็นเครื่องมือ OCR Google ใช้ทำงานและได้รับทุนสนับสนุนโดยเฉพาะเพื่ออ่านข้อความจากรูปภาพดำเนินการแบ่งส่วนเอกสารพื้นฐานและดำเนินการกับอินพุตรูปภาพที่เฉพาะเจาะจง (คำเดียวบรรทัดย่อหน้าหน้าพจนานุกรมแบบ จำกัด ฯลฯ )

• ในทางกลับกัน OpenCV เป็นไลบรารีการมองเห็นของคอมพิวเตอร์ที่มีคุณสมบัติที่ช่วยให้คุณสามารถแยกคุณลักษณะและการจัดประเภทข้อมูล คุณสามารถสร้างตัวแบ่งส่วนตัวอักษรและลักษณนามที่ทำ OCR พื้นฐานได้ แต่ไม่ใช่เครื่องมือ OCR ที่ดีมาก (ฉันเคยทำใน Python มาก่อนตั้งแต่เริ่มต้นมันไม่ถูกต้องจริงๆสำหรับอินพุตที่เบี่ยงเบนจากข้อมูลการฝึกของคุณ)

หากคุณต้องการทำความเข้าใจพื้นฐานเกี่ยวกับความยากของ OCR ให้ลองใช้ OpenCV Tesseract ใช้สำหรับOCR จริง

ฉันเป็นผู้เขียนบทช่วยสอนการรู้จำตัวเลขที่คุณพูดถึงและฉันจะบอกว่านั่นไม่มีทางแทนที่ tesseract ได้

Tesseract เป็นเอ็นจิ้น OCR ที่ดีจริงๆอาจเป็นเอ็นจิ้น OpenSource OCR ที่ดีที่สุด

บทช่วยสอนที่คุณกล่าวถึงเป็นเพียงการพยายามเพื่อให้เข้าใจการทำงานของ OCR อย่างง่าย

ดังนั้นหากคุณกำลังมองหาแอป OCR ฉันขอแนะนำให้คุณใช้ OpenCV ในการประมวลผลภาพล่วงหน้าจากนั้นใช้ tesseract engine

ทั้งสองสามารถเสริมกันได้ หากคุณอ่านบทความเกี่ยวกับ OpenCV: https://github.com/tesseract-ocr/docs/blob/master/tesseracticdar2007.pdf

โดยเน้นว่า "เนื่องจาก HP มีเทคโนโลยีการวิเคราะห์เค้าโครงหน้าที่พัฒนาขึ้นโดยอิสระซึ่งใช้ในผลิตภัณฑ์ (ดังนั้นจึงไม่ได้เปิดตัวสำหรับโอเพ่นซอร์ส) Tesseract จึงไม่ต้องการการวิเคราะห์เค้าโครงหน้าของตนเอง Tesseract จึงถือว่าข้อมูลที่ป้อนเป็นภาพไบนารีที่มี กำหนดขอบเขตข้อความรูปหลายเหลี่ยมที่เป็นทางเลือก "

งานประเภทนี้สามารถทำได้โดย OpenCV และภาพที่ได้จะถูกส่งไปยัง Tesseract คุณสามารถดูตัวอย่างของโค้ดประเภทนี้ได้ใน Git repo: https://github.com/Itseez/opencv_contrib/tree/master/modules/text/samples ตัวอย่างใช้ Tesseract API เพื่อแปลงรูปภาพเป็นข้อความ

OpenCV เป็นไลบรารีสำหรับCV ที่ใช้ในการวิเคราะห์และประมวลผลรูปภาพโดยทั่วไป Tesseract เป็นไลบรารีสำหรับOCRซึ่งเป็นชุดย่อยเฉพาะของ CV ที่มีไว้สำหรับการแยกข้อความออกจากรูปภาพ

จากOpenCV.org

..... ใช้ในการตรวจจับและจดจำใบหน้าระบุวัตถุจำแนกการกระทำของมนุษย์ในวิดีโอติดตามการเคลื่อนไหวของกล้องติดตามวัตถุที่เคลื่อนไหวแยกโมเดล 3 มิติของวัตถุสร้างจุดเมฆ 3 มิติจากกล้องสเตอริโอเย็บภาพเข้าด้วยกันเพื่อสร้างภาพที่สูง ภาพความละเอียดของฉากทั้งหมดค้นหาภาพที่คล้ายกันจากฐานข้อมูลภาพลบตาแดงออกจากภาพที่ถ่ายโดยใช้แฟลชติดตามการเคลื่อนไหวของดวงตาจดจำทิวทัศน์และสร้างเครื่องหมายเพื่อซ้อนทับด้วยความเป็นจริงยิ่ง ฯลฯ

จากTesseract Github :

..... สามารถใช้ได้โดยตรงหรือ (สำหรับโปรแกรมเมอร์) โดยใช้ API เพื่อแยกข้อความที่พิมพ์เขียนด้วยลายมือหรือพิมพ์จากรูปภาพ รองรับภาษาที่หลากหลาย