Tesseractの様々なオプション
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　更新　2021/09/07(火)　　
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　(C)文責　炭本　治之　　

　■help表示
　　tesseract -h
　　tesseract -help
　　tesseract -?
　　tesseract /?

　■詳細なhelp表示
　　tesseract --help-extra

　■バージョン表示
　　tesseract -v
　　tesseract -version

　■使用可能な言語辞書表示
　　tesseract --list-langs

　■文字認識させるとき
　　tesseract (画像ファイルへのパス) (出力するtxtファイルへのパス拡張子なし) -l (言語辞書)

　　(例)tesseract c:\01tess\page01part01.bmp c:\01tess\result -l jpn_large
　　 　 →c:\01tess\page01part01.bmpを文字認識して，結果をc:\01tess\result.txtに出力する。
　　　　　言語辞書はjpn_largeを使う。

　■文字認識させるときのオプション
　　(1)ページセグメンテイションモードの指定
  　　--psm 番号

  　　番号の意味は以下のようになります。
  　　0 文字方向および書字系の検出 (Orientation and script detection: OSD) のみ
  　　1 自動ページセグメンテーション（OSDありでOCR）.
  　　2 自動ページセグメンテーション（OSDなし）
  　　3 (Default)完全自動ページセグメンテーション（OSDなし） 
  　　4 単一カラムの様々なサイズのテキストとみなす
  　　5 垂直方向に整列した単一カラムの均一ブロックテキストとみなす
  　　6 単一カラムの均一ブロックテキストとみなす
  　　7 画像を単一行テキストとして扱う
  　　8 画像を単語1つのみ含まれるものとして扱う
  　　9 画像を円で囲まれた単語1つのみを含むものとして扱う
  　　10 画像を1文字のだけが含まれるものとして扱う
  　　11 Sparse text: 不特定の順序でできるだけ多くのテキストを探す
  　　12 Sparse text: OSDあり
  　　13 Raw line: 内部の処理をバイパスしつつ画像内にテキストが1行だけあるものとして扱う

  　　(例)tesseract c:\01tess\page01part01.bmp c:\01tess\result -l jpn --psm 7
  　　→c:\01tess\page01part01.bmpを文字認識して，結果をc:\01tess\result.txtに出力する。
  　　　辞書はjpnを使い，単一行のテキストとして認識。

  　　(a)1行だけの文字列の画像ファイルを作り，認識させる
  　　   --psm 7

  　　　これが最も認識精度が高いようです。

  　　(b)複数行の文字列を認識させる
  　　   --psm 6

  　　(c)複数行の文字列で，様々なサイズのテキストがある場合
  　　   --psm 4

　　(2)画像の解像度を300dpiに指定
　　   --dpi 300

(終わり) ページの先頭へ