16

我对使用 OCR 从简单文本中提取粗体和斜体字感兴趣。例如，如果我输入带有如下文本的清晰图像：

“敏捷的棕狐跳过了懒惰的狗。”

我想得到这样的输出：bold("brown", "jumps"), italic("lazy")

我已经研究过用 OCRopus 或 Tesseract 来做这件事，但是文档很差，我不知道它是否可能，或者如果它是怎么做的。

4

2 回答 2

13

Tesseract 3.0.1 中有这样的功能，来自主干。API 中添加了一个新类 - ResultIterator，它具有您感兴趣的以下功能：

 WordFontAttributes(bool* is_bold,
                    bool* is_italic,
                    bool* is_underlined,
                    bool* is_monospace,
                    bool* is_serif,
                    bool* is_smallcaps,
                    int* pointsize,
                    int* font_id).

其实你可以从这里自己看到。

于 2011-03-07T11:49:59.780 回答
3

Tesseract 3.0x 基于 XML 的 hOCR 格式包括字符属性。您可能想尝试一下。

http://code.google.com/p/tesseract-ocr/issues/detail?id=377#c5

于 2011-05-14T23:46:42.940 回答