OCR tessearct 在 linux（Azure 应用程序服务）中无法正确识别单词
OCR tessearct not recognizing words correctly in linux (azure app service)
我正在尝试从 azure linux 应用服务中的图像中提取文本。为此，我正在使用 tesseract-ocr。以下是应用服务 OS 信息。
Python version: ['3.7.9 (default, Sep 15 2020, 18:04:53) ', '[GCC 6.3.0 20170516]']
dist: ('debian', '9.13', '')
system: Linux
machine: x86_64
platform: Linux-4.15.0-158-generic-x86_64-with-debian-9.13
(system='Linux', release='4.15.0-158-generic', version='#166-Ubuntu SMP Fri Sep 17 19:37:52 UTC 2021', mac
hine='x86_64', processor='')
当我运行命令时（asd.png - 图片文件）
tesseract asd.png stdout
我得到了输出，但文本是错误的。但同样的命令在我的本地环境中运行良好。
例如，
我在 Azure 应用程序服务中得到的输出是。
Insight Partners Seeks âAmlzlng newlnsight Farmers recently ee-led a sign niillien lending mund fur lterativeSmpcs lne., a startnp applying Al to
gastroenterology and drngdevelopment, adding Lenne Jaï¬c, the veteran teeh investing hrni'smanaging direetor. to iterative Seepes' heard, WsJâs .l
ohnMeCermiek gm Mr.
在本地对于同一张图片，我得到（正确），
Insight Partners Seeks ‘Amazing Tech’Insight Partners recently co-led a 0 million funding round for IterativeScopes Inc., a startup applying AI to gastroenterology and drugdevelopment, adding Lonne Jaffe, the veteran tech investing firm'smanaging director, to Iterative Scopes’ board, WSJ's John,McCormick reports.
我认为这与 Azure 应用程序服务有关。这与安装在 Azure 应用程序服务中的版本有关吗？
尝试使用最新版本的 Tesseract，方法是按照以下命令检查您使用的是哪个版本：
$ tesseract -v
如果您看到比 v4 少 的任何版本，那么您应该升级您的 Tesseract 安装 — 使用 Tesseract v4 LSTM 引擎将导致更准确的 OCR 结果。
如果您在输出中看到 Tesseract v4 或更高版本，则您使用的是长 Short-Term 记忆 (LSTM) OCR 模型，该模型比之前的 准确得多Tesseract 的版本。
我们可能会使用 Tesseract 获得 良好或可接受的 结果，但最佳准确度 将来自在 特定 组字体出现在实际 real-world 图像中。
但是，通过使用 blur
pre-processing方法ocr.py我们可以获得更好的结果。
示例：
$ python ocr.py --image images/example_01.png --preprocess blur
我正在尝试从 azure linux 应用服务中的图像中提取文本。为此，我正在使用 tesseract-ocr。以下是应用服务 OS 信息。
Python version: ['3.7.9 (default, Sep 15 2020, 18:04:53) ', '[GCC 6.3.0 20170516]'] dist: ('debian', '9.13', '')
system: Linux machine: x86_64
platform: Linux-4.15.0-158-generic-x86_64-with-debian-9.13
(system='Linux', release='4.15.0-158-generic', version='#166-Ubuntu SMP Fri Sep 17 19:37:52 UTC 2021', mac hine='x86_64', processor='')
当我运行命令时（asd.png - 图片文件）
tesseract asd.png stdout
我得到了输出，但文本是错误的。但同样的命令在我的本地环境中运行良好。 例如， 我在 Azure 应用程序服务中得到的输出是。
Insight Partners Seeks âAmlzlng newlnsight Farmers recently ee-led a sign niillien lending mund fur lterativeSmpcs lne., a startnp applying Al to gastroenterology and drngdevelopment, adding Lenne Jaï¬c, the veteran teeh investing hrni'smanaging direetor. to iterative Seepes' heard, WsJâs .l ohnMeCermiek gm Mr.
在本地对于同一张图片，我得到（正确），
Insight Partners Seeks ‘Amazing Tech’Insight Partners recently co-led a 0 million funding round for IterativeScopes Inc., a startup applying AI to gastroenterology and drugdevelopment, adding Lonne Jaffe, the veteran tech investing firm'smanaging director, to Iterative Scopes’ board, WSJ's John,McCormick reports.
我认为这与 Azure 应用程序服务有关。这与安装在 Azure 应用程序服务中的版本有关吗？
尝试使用最新版本的 Tesseract，方法是按照以下命令检查您使用的是哪个版本：
$ tesseract -v
如果您看到比 v4 少 的任何版本，那么您应该升级您的 Tesseract 安装 — 使用 Tesseract v4 LSTM 引擎将导致更准确的 OCR 结果。
如果您在输出中看到 Tesseract v4 或更高版本，则您使用的是长 Short-Term 记忆 (LSTM) OCR 模型，该模型比之前的 准确得多Tesseract 的版本。
我们可能会使用 Tesseract 获得 良好或可接受的 结果，但最佳准确度 将来自在 特定 组字体出现在实际 real-world 图像中。
但是，通过使用 blur
pre-processing方法ocr.py我们可以获得更好的结果。
示例：
$ python ocr.py --image images/example_01.png --preprocess blur