riconoscimento caratteri cinesi con Tesseract OCR

Question

Ho utilizzato Tesseract 3.0.2 OCR SDK per l'estrazione di testo immagine. Ma se uso immagini di testo cinese e passo attraverso l'OCR, Tesseract non mi fornisce i caratteri cinesi invece di ottenere caratteri numerici e inglesi. Ma ho bisogno di caratteri cinesi come mostrato nell'immagine che sto usando.

Come posso ottenere questo risultato? C'è un modo per ottenere caratteri cinesi piuttosto che altri caratteri?

Answer 1

È necessario scaricare i dati addestrati cinesi (sarà un file come chi_sim.traineddata) e aggiungerlo alla cartella tessdata.

Per scaricare il file https://github.com/tesseract-ocr/tessdata/raw/master/chi_sim.traineddata

e utilizzare come questo

Tesseract* tesseract= [[Tesseract alloc] initWithDataPath:@"tessdata" language:@"chi_sim"]; 

se avete qualche problema è possibile scaricare il mio esperimento con tessaract (con il supporto per la lingua cinese) da https://github.com/aryansbtloe/ExperimentWithTesseract.git

Ho provato questo ... Spero che lo troverai utile.