tesseract中的TSV和TXT输出
在tesseract中，TSV和TXT是两种不同的输出格式。
TSV（Tab-Separated Values）是一种文本文件格式，其中的数据字段使用制表符进行分隔。TSV文件可以使用任何文本编辑器打开，并且可以轻松地导入到电子表格软件中进行进一步处理和分析。在OCR领域，TSV输出通常包含识别结果的文本内容以及其在原始图像中的位置信息。
TXT（Plain Text）是一种纯文本文件格式，其中的数据没有任何格式化或分隔符。TXT文件可以使用任何文本编辑器打开，并且可以直接阅读和编辑。在OCR领域，TXT输出通常只包含识别结果的纯文本内容，没有位置信息。
对于OCR应用场景，TSV输出格式通常更适合需要对识别结果进行进一步处理和分析的情况，例如需要提取特定字段或进行文本分析的任务。而TXT输出格式更适合简单的文本提取和查看，例如将识别结果直接用于文本搜索或显示。
腾讯云提供的OCR服务中，可以通过使用OCR接口的参数来指定输出格式。具体而言，可以通过设置"result_type"参数为"tsv"或"txt"来选择输出格式。以下是腾讯云OCR接口的相关文档链接：
请注意，以上答案仅针对tesseract中的TSV和TXT输出格式，不涉及其他云计算品牌商。
相关·内容
1回答
希望你一切顺利。
我的问题可能已经被别人回答了，但是由于我找不到相关的答案，所以我在这里写了一篇文章。
问题
如何将R输出保存到文本文件。
我使用R从扫描的PDF中提取数据，但我的输出在控制台中，我想将其保存为文本文件。如果你有任何建议，请让我知道。
我的代码如下
library (tesseract)
filename= 'my_file.pdf'
file <- pdftools::pdf_convert(filename, dpi =600)
text<- tesseract::ocr(file)
Cat(text)
如何将cat( text )保存为文本文件
浏览 0提问于2019-12-03得票数 3
回答已采纳
1回答
我所要寻找的基本描述是可以从图像中提取文本(手工编写)，并将其作为一个普通的字符流返回，而无需任何页面处理。
更多规格：
我正在为我正在开发的软件使用Java，所以拥有一个Java库会很好，尽管如果软件/库有一个二进制文件，那就好了。
它应该能够处理的图像是纸上有文字的图片，尽管软件需要识别的是6到66个字符，这些字符将由手工编写，但更多的是“计算机可识别”，有点像这样：
📷
文本必须逐行提取；在表的情况下，只应将每一行和每列视为另一行，不需要进行特殊处理。
我自己的研究向我指出了以下软件/库：
Asprise
特塞尔
ABBYY云OCR
我已经测试了Tesseract和ABBYY，他们提供的
浏览 0提问于2019-06-08得票数 1
Tesseract适用于只包含且仅包含文本的图像。但是如果有文本和图像，而我们只想让文本被识别，那该怎么办呢？
我正在使用Tesseract从图像中进行OCR文本识别。Tesseract是从只包含文本的图像中给出精确的文本。然而，当我检查包含汽车及其车号的图像时，Tesseract给出了不同的车号乱码文本。我应用了灰度优化，阈值和其他效果，以获得准确的文本输出，并提高了输出的准确性，但它仍然给出不同的文本混合不同的编码。同样，我正在寻找其他方法来提取这样的文本。
有没有人知道如何使用Tesseract OCR或任何替代方法从这样的图像中获取文本，以便图像中只保留文本部分，以便Tesseract
浏览 3提问于2012-11-28得票数 2
2回答
我必须从一个视频中提取文本，该视频具有类似于以下图像的经纬度数据：
图像的分辨率非常低，并且tesseract和online OCR在没有任何处理的情况下无法提取文本。我尝试使用去除灰色背景，并减去灰色矩阵，但没有产生有意义的输出。我转换为HSV来提取黄色文本，但再次，没有得到有意义的结果。
我想知道是否有任何方法可以提取文本。最有希望的线索似乎是背景是灰色的，文本是半透明的黄色。
浏览 2提问于2015-12-01得票数 2
我需要从url中提取captcha，然后用Tesseract来识别它。我的代码是：
#!/usr/bin/perl -X
###
$user = 'user'; #Enter your username here
$pass = 'pass'; #Enter your password here
###
#Server settings
$home = "http://perltest.adavice.com";
$url = "$home/c/test.cgi?u=$user&p=$pass";
#Get HTML co
浏览 1提问于2018-08-01得票数 0
回答已采纳
2回答
如何OCR电子邮件地址
、、、、
我正在尝试OCR和提取图像中的电子邮件。图像应该有一行文本，即电子邮件地址。
我使用EmguCV.OCR从这些图像中提取文本(电子邮件地址)。我们的目标是获得100%准确的结果。
我们可以固定文本的字体和大小。例如Ariel，12pt，这样所有的图像都会有用Ariel 12pt写的电子邮件，在白色背景上是黑色的。
问题是EmguCV中的Tesseract OCR不能正确识别文本。它只能正确识别80%的字符。
我正在使用Leptonica库进行预处理。
以下是我正在尝试识别的一些示例图像。
有没有办法达到100%准确率的目标？
浏览 0提问于2014-10-30得票数 1
1回答
我有一个扫描的PDF，其中有一些表格格式的随机数据，并希望将其复制到Excel工作表。 我试过使用数字PDF，使用'tabula‘来提取表格，但扫描的PDF需要OCR(我在google上看到的)。我知道涉及到OCR (Tesseract)，但不知道我应该采取什么方法来解决这个问题。
浏览 7提问于2019-06-20得票数 0
我在R中使用pdftools从扫描和基于文本的PDF文件中提取文本。一个问题是§字符。这是不能被识别的。
我查看了以下链接：
我尝试了以下几点：
我使用tesseract_info()找到了配置文件，并在configs下编辑了digits文件。digits文件内容如下：
tessedit_char_whitelist 0123456789.
编辑后如下所示：
tessedit_char_whitelist 0123456789-$§.
这并没有改变任何事情，我仍然无法提取§。它们仍然以8的形式出现。
第一步失败后，我尝试了以下步骤：
文件<- pdftools::pd
浏览 10提问于2020-12-01得票数 2
回答已采纳
1回答
我有一个这样的二进制图像，
我想在Python中使用tesseract ocr提取图像中的数字。我在图像上这样使用了pytesseract，
txt = pytesseract.image_to_string(img)
但是我没有得到任何好的结果。
我可以在预处理或增强中做些什么来帮助tesseract做得更好？
我尝试使用East Text Detector对图像中的文本进行本地化，但它无法识别文本。
如何在python中进行此操作？
浏览 9提问于2019-05-21得票数 2
3回答
谁能告诉我Vuforia文本识别和OCR的区别是什么？是一样的吗？我有点困惑，因为我发现Vuforia不需要捕获任何图像就可以识别文本，而OCR应用程序(如Tesseract )则要求用户捕获文本，图像识别文本。
谢谢。
浏览 1提问于2013-11-03得票数 1
回答已采纳
1回答
我用pytesseract从图像中识别文本
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
然后我使用下面的代码来识别文本
textImg = pytesseract.image_to_string(Image.open(imgLoc+"/"+imgName))
print(textImg)
text_file = open(imgLoc+"/"+"oriText.txt", "w")
浏览 2提问于2019-05-25得票数 0
我正在努力完成一个项目，其中必须包括一些OCR。对于工作，我选择了Tesseract OCR，但结果并不是最优的。我曾尝试将字符集限制为1234567890-，但结果并不理想。有没有一个最佳的图像大小，我可以使用或某种方法来训练Tesseract，以更好地识别这种字符串？
图片是这样的：
而tesseract返回的结果是05175150152，这是不正确的，而且它应该更好，因为图像没有以任何方式修改。我通过PHP和exec使用tesseract，命令如下：
"C:\Program Files\Tesseract-OCR\tesseract.exe" C:\wamp\www
浏览 0提问于2012-05-02得票数 1
我使用tesseract-OCR从扫描图像中提取文本，因为很少有图像文本由于分辨率低而无法正确识别，而产生的输出是一些不相关的字符。
应用技术：
将dpi提高到300。opencv.Upscaling中的图像预处理技术使用dnn_superres中的opencv中的去噪的git恢复，其中的超分辨率算法模型是通过训练tessdata建立的使用learning.Improve tesseract-ocr质量的超分辨率算法模型。
参考链接
样品图像：
在python中是否有任何简单的方法来改进文本而不使用任何深度学习模型。
浏览 2提问于2020-05-08得票数 8
1回答
我正在尝试用PHP解析来自OCR引擎的布局信息，除非它们没有给出任何细节。
我已经安装了Tesseract (带有Leptonica)和楔形。据说楔形字体很擅长检测布局(即什么是文本，什么是图片，等等)输入是包含文本和图像的PNG文件(显然文本是图像的一部分)。
他们似乎都认为我想要txt或html或hocr格式的输出。当我想要的是它认为是文本的坐标，以及它认为是图像的坐标。
Cuneiform有一个“原生”输出选项，它是cuneiform2000格式，在Notepad++中打开它，我可以看到它是压缩的。我尝试过用zip和gzip解压它，但是都不能识别它。谷歌上也没有关于原生楔形格式的信息。
浏览 1提问于2011-12-03得票数 3
回答已采纳
我需要从这样的小图像中提取单词：
我使用命令行中的tesseract和西班牙语选项，如下所示：
tesseract category.png -l spa -psm 7 category.txt
我认为这个文本必须容易被OCR解析，但是这个词是不被识别的。我将-l spa用于西班牙语和-psm 7，因为图像只有一行(无论如何，如果不使用-psm参数，结果是相同的)。
这就是结果：s…"…
我使用此构建与lang包： (官方引用的github来源)
浏览 0提问于2016-04-17得票数 2
回答已采纳
我正在玩一些OCR软件，特别是我花了一点时间在tesseract上。在Linux终端中，我把它放到可以加载图像并获得tesseract从图像中提取文本的位置。我现在正试图弄清楚如何从终端自动将被撕破的文本保存到pdf、odf、txt和word格式。
浏览 0提问于2021-03-08得票数 0
回答已采纳
我需要从url中提取验证码，并使用Tesseract识别它。我的代码是：
#!/usr/bin/perl -X
###
$user = 'user'; #Enter your username here
$pass = 'pass'; #Enter your password here
###
#Server settings
$home = "http://perltest.adavice.com";
$url = "$home/c/test.cgi?u=$user&p=$pass";
###Add code here!
浏览 1提问于2018-07-31得票数 0
回答已采纳
2回答
我使用的是windows应用程序tesseract，长话短说这是一个通过命令运行的OCR应用程序。
安装应用程序后，我使用命令进行了测试，并使用下面这行代码正常工作：
tesseract text.png out
它实际上获得了图像并输出到文本文件out.txt
我甚至更改了目录，可以从任何地方访问。
现在问题来了，当我使用php时，我使用的代码如下：
echo exec("tesseract text.png out 2>&1", $output);
var_dump($output);
这一次，它没有得到文件，而是说tesseract不被识别！
这是输出：
o
浏览 26提问于2016-07-28得票数 1
回答已采纳
4回答
我正在寻找一个Tesseract或谷歌的Vision API类型的OCR，它可以帮助提取护照/身份证图像中的文本信息(这些信息可以从移动设备中获取，也可以被扫描)。因此，帧大小可能略有变化)。我已经浏览过几篇文章，并发现是首选的解决方案。
我还用测试了我的测试数据，得到了99%的准确性和满意的结果。但我有以下问题/要求：
问题
Tesseract是我在大多数帖子上找到的建议解决方案，但是它给出了非常糟糕的结果，因为框架可能会有所不同。我无法训练数据，我也不介意任何付费的库可以在我的场景中帮助我。
Vision API给出了准确的结果，但我的要求是而不是使用基于云的解决方案。
供应商
浏览 6提问于2016-08-17得票数 6
2回答
我试图从表单(表单的扫描图像)中提取信息，并将这些信息放入表中。我使用pytesseract对OCR图像进行了很好的处理，但是输出的问题是Tesseract试图逐行提取文本。
我的扫描表格看起来如下：
窗体的每个窗口(A、B、C)应该是表中的不同行。我试图使用(在python中)来标识各个窗口，1)识别单个数据单元( A、B、C)，2)裁剪每个单独的窗口，3)使用Tesseract对单个窗口的图像进行OCR，将需要放到SQL表中的信息放入其中。
我的问题是:如何识别每个表输入窗口的边界，并将图像裁剪到该边界的范围(然后应用OCR)？另外，是否可以使用角点检测来识别单个数据单位？
我主要是
浏览 2提问于2016-07-26得票数 7
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
