スクリーンショットをキャプチャしてPCを自動化し、OCR（光学式文字認識）をクリックする特定のボタンを探すソフトウェアを作成しようとしています（たとえば）。マウスとキーボードの制御部分はありましたが、スクリーンショットを処理するために OCR が必要でした。私が発見したのは、Tesseract OCR が画面上のテキストに対してうまく機能しないように見えるということです。テキストが小さすぎるか、K と X のように一部のテキストがつながっているように見えます。どうすればよいですか?
p/s: これは自動テスト プログラム用です。
これが本当にあなたの要求に合っているかどうかはわかりませんが、自動化で見たより優れた OCR のいくつかは、Tevron のCitraTestによって行われています。フォントのライブラリが含まれており、フォントセットが存在しない場合は、提出物に基づいて新しいフォントセットが作成されます. このツールのマイナス要因は、コストと、可変画面解像度に関連する通常の問題です。
おそらく、OCR の前の画像強調に関するこの質問を見てください。それ以外の場合、この質問は「OCR for .NET」によく似ています。
あなたが本当に勇気があるなら、いつでも簡単なパーセプトロンまたはニューラルネットワークベースのアプローチを作り上げることができます:-)