tesseract性能优化

tesseract性能优化

最近用到ocr技术，使用了google的tesseract，对于嵌入式设备来说，不光要实现功能，还要考虑实现功能的代价，也就说实现此功能需要的内存、cpu、存储以及网络资源，tesseract的使用我们需要关心的是CPU和存储资源。

CPU资源

这里说的CPU资源翻译过来就是识别速度，速度越快，说明需要的CPU资源越少，为了提高tesseract的识别速率，最关键的就是图像预处理，根据最近的一些经验，总结如下几点：

• 图像切分做二值化：二值化后，输入给tesseract的图像简单，识别速度会提高，切分的原因是整体做二值化可能会转化掉一些你想要的问题，因为整体图片的元素太多，不好控制二值化的thresh，切分后，可以每个小图片单独处理，容易控制选取阈值。
• 二值化的时候可以根据图片中文字的灰度值，尽量留下你需要的文字，转化掉不用的文字，减少tesseract的输入，当然这种优化只适用于你想获得的文字是确定的使用场景。
• 切分的图片要拼接成一个大图：多个图片分别tesseract是耗时比较严重的，尽量将多个图片拼接成一个大图一起做teeseract。

存储资源

tesseract设置到占用存储资源的也就是tessdata了，我们可以通过工具减少目前tessdata的内容，然后再重新打包，或者根据使用场景自己训练data。