11、多语言文本识别与电磁谐波分析中的对称边界条件

多语言文本识别与电磁谐波分析中的对称边界条件

多语言文本识别系统

泰米尔语脚本特点

泰米尔语脚本具有独特的字符构成。它包含 12 个元音、18 个辅音，还有一个独特字符（称为 Ayudha Ezhuthu）。此外，从梵语和英语借用了 5 个额外的辅音（Grantha Letters），用于表达北印度语和英语单词或音节。因此，泰米尔语脚本共有 36 个不同的基本字母，具体如下：
| 字符类型 | 数量 |
| ---- | ---- |
| 元音 | 12 |
| 辅音 | 18 |
| Ayudha Ezhuthu | 1 |
| Grantha Letters | 5 |

12 个元音和 18 个辅音组合可产生 216 个复合字符，使得泰米尔语字符总数达到 247 个（216 + 12 + 18 + 1）。

多语言 OCR 方法

选择工具与数据集

在本次实验中，选择 pytesseract 作为 Tesseract 的 Python 包装器，使用的 Tesseract 版本为 5.0.1。对于英语 OCR，使用的数据集是 tess - data/eng.traineddata。同样，孟加拉语和泰米尔语使用的数据集分别是存储在 tessdata 文件夹中的标准训练数据文件 ben.traineddata 和 tam.traineddata。

图像加载

图像从互联网上上传，输出质量和准确性取决于加载的图像质量，图像应清晰。

图像预处理

图像预处理是关键步骤，它确保图