新闻详情

新闻详情

首页 / 资讯中心 / 详情

Botty的OCR魔法:Tesseract如何识别地面物品?词表、正则与纠错机制揭秘

发布时间:2026/11/16 13:44:00来源:尧图网络
Botty的OCR魔法:Tesseract如何识别地面物品?词表、正则与纠错机制揭秘
Botty的OCR魔法Tesseract如何识别地面物品词表、正则与纠错机制揭秘【免费下载链接】bottyD2R Pixel Bot项目地址: https://gitcode.com/gh_mirrors/bo/bottyBotty 是一款开源的D2R暗黑破坏神2重制版像素机器人它能自动跑图、捡物、换装。但一个看图说话的程序如何分辨地上的文字是 FLAWLESS RUBY无瑕红宝石还是垃圾本文带你揭秘 Botty 基于Tesseract OCR的文字识别体系预训练词表、正则纠错和模糊匹配三层机制如何让一个开源 OCR 引擎稳定读懂暗黑风格像素字体。为什么 OCR 是像素机器人的核心能力D2R 没有对外接口机器人看得见的只有屏幕截图。物品信息名字、等级、词缀全部以像素文字形式存在因此必须借助 OCR光学字符识别把图像转成文本再交给 BNIP 词缀解析引擎判断物品价值。整个图像识别管线位于 src/d2r_image/ 目录核心入口函数是 image_to_text()它完成了图像 → 文本的全过程。第一步两套专门训练的 Tesseract 模型Tesseract 默认不擅长暗黑这种细像素字体。Botty 的解法是自训练模型用真实游戏截图 人工标注的文本样本标注工具见 gen_ocr_samples.py训练出两套 LSTM 模型存放在 assets/tessdata/ground-eng_inconsolata_inv_th_fast识别地面物品名称单行文字hover-eng_inconsolata_inv_th_fast识别悬停提示框多行属性文字模型加载时还会读取 ocr_config.txt对非词表词施加语言模型惩罚——让模型更信任词表里的词这是后面纠错机制的第一道伏笔。第二步图像预处理让像素字变得可读原始截图中物品文字是彩色的、边缘还带着背景噪点。image_to_text() 在送入 Tesseract 前做了一连串处理缩放scale小字体放大后更易识别腐蚀去边erode地面物品专用erode_to_black() 用形态学重建抹掉文字周围的彩色噪点只留下文字裁剪补白crop_pad去掉图块边缘干扰灰度 二值化阈值把图像变成纯黑白反色invert暗黑是白字黑底Tesseract 偏好黑字白底识别地面物品时的实际调用在 processing_helpers.py先按文字颜色聚类定位物品区域再批量送入ground模型psm7表示单行文字模式。第三步三层纠错机制Tesseract 输出只是起点Tesseract 再准也会犯错——I和1、O和0、S和5在像素字体里几乎无法区分。Botty 在 ocr.py 里设计了三层递进的纠错流水线1️⃣ 正则规则修正_fix_regexps针对字母数字混淆写了一组带上下文的正则定义在 ocr_data.py场景示例规则词中的1其实是IW1RTS LEG两侧是大写字母 → 替换为I数字旁的I其实是132I to mana两侧是数字/符号 → 替换为1孤立的I/S/OI TO 5 DEFENSE单独成词 → 替换为1/5/0完整的上下文判断逻辑见 _fix_regexps()。2️⃣ 已知错误映射表_check_known_errors有些词 Tesseract 的错法非常固定直接查表替换。ERROR_RESOLUTION_MAP 里收录了几十个固定错误例如SHIFLD→SHIELDSPFAR→SPEARCLAVMORE→CLAYMOREIOX%→10%3️⃣ 词表模糊匹配_ocr_result_dictionary_check最后一层最聪明把每个词拿去和完整词表做模糊匹配find_best_match() 使用 rapidfuzz 的 Levenshtein 编辑距离归一化相似度 ≥ 0.6 才替换避免错改。它还有一个亮点——前瞻合并如果 OCR 把单词中间的空格读丢了或把两个词读碎S11PER这种算法会尝试当前词 下一个词合并后再匹配词表取更优解详见 _ocr_result_dictionary_check()。词表OCR 的知识库模糊匹配的效果取决于词表质量。Botty 在 assets/word_lists/ 维护了 5500 条词条all_words.txt约 3850 词全部合法词含基础物品、符文、技能与词缀base_items.txt基础装备/武器名称magic_prefixes.txt 与 magic_suffixes.txt魔法前后缀加载逻辑在 strings_store.py带缓存词表同时被注入给 Tesseractuser_words_file和纠错层一份数据两处受益。总结一张图像到物品的完整链路把整条链路串起来Botty 识别一件地面物品的流程是截图 → 颜色聚类定位文字 → 腐蚀/二值化预处理 → Tesseract 自训练模型识别 → 正则修正 → 已知错误查表 → 词表模糊匹配 → BNIP 解析物品价值 → 自动拾取这套模型特化 预处理 三层纠错的组合拳展示了在受限像素字体场景下用好开源 OCR 的完整思路——对任何想给复古像素游戏做图像识别的项目都有很强的参考价值。关键文件速查OCR 核心src/d2r_image/ocr.py正则与错误表src/d2r_image/ocr_data.py地面物品定位管线src/d2r_image/processing_helpers.pyOCR 模型与配置assets/tessdata/词表数据assets/word_lists/开发文档development.md【免费下载链接】bottyD2R Pixel Bot项目地址: https://gitcode.com/gh_mirrors/bo/botty创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉