我有pytesseract的麻烦 . 我知道你可以使用命令行参数将tesseract限制为一组特定的字符:
tesseract input.tif output nobatch digits
我发现一些人说他们可以在python中用以下几行来限制tesseract:
import tesseract
ocr = tesseract.TessBaseAPI();
ocr.Init(".","eng",tesseract.OEM_TESSERACT_ONLY)
ocr.SetVariable("tessedit_char_whitelist", "0123456789")
但这是使用tesseract API,我正在使用pytesseract ....最后我也尝试过:
print(image_to_string(someimage, config='outputbase digits'))
但这不起作用,因为我仍然在输出中收到字母 . 这很奇怪,因为我使用下面的代码,它正在工作:
print(image_to_string(screen, config='-psm 10'))
PSM代表PageSegmentationMode,它允许我将我的图像文件解析为单个字符 . 我不明白为什么这个工作和以前的片段不是当它们都是tesseract的命令行参数...
有人可以帮忙吗?我想将这两个选项与自定义wordlist一起使用(我在tesseract的config文件夹中创建) .
1 回答
终于找到了解决方案,如果它可以帮助任何人......这是来自tesseract帮助页面:
我可以从中推断出正确的语法(实际上,我在堆栈上发现的所有东西都指向了错误的方向,可能是因为tesseract的不同版本) . 请记住,我正在使用tesseract 3.05(在GitHub上可用的win安装程序)和pytesseract(从pip安装) .
正如我们在帮助页面上看到的那样,outputbase参数首先出现在文件名之后,而在其他选项之前,这允许使用PSM和受限制的charset .
来自tesseract帮助页面的所有命令行参数都可以这样使用,在 config 变量!!