Pytesseract OCR多配置选项-Java 学习之路

我有pytesseract的一些问题 . 我需要将Tesseract配置为配置为接受单个数字，同时也只能接受数字，因为数字零通常与“O”混淆 .

像这样：

target = pytesseract.image_to_string(im,config='-psm 7',config='outputbase digits')

非常感谢，

尼尔

2 回答

tesseract-4.0.0a 支持 psm 以下 . 如果要进行单字符识别，请设置 psm = 10 . 如果您的文本仅包含数字，则可以设置 tessedit_char_whitelist=0123456789 .

Page segmentation modes:
  0    Orientation and script detection (OSD) only.
  1    Automatic page segmentation with OSD.
  2    Automatic page segmentation, but no OSD, or OCR.
  3    Fully automatic page segmentation, but no OSD. (Default)
  4    Assume a single column of text of variable sizes.
  5    Assume a single uniform block of vertically aligned text.
  6    Assume a single uniform block of text.
  7    Treat the image as a single text line.
  8    Treat the image as a single word.
  9    Treat the image as a single word in a circle.
 10    Treat the image as a single character.
 11    Sparse text. Find as much text as possible in no particular order.
 12    Sparse text with OSD.
 13    Raw line. Treat the image as a single text line,
                        bypassing hacks that are Tesseract-specific.

以下是具有多个参数的 image_to_string 的示例用法 .

target = pytesseract.image_to_string(image, lang='eng', boxes=False, \
        config='--psm 10 --oem 3 -c tessedit_char_whitelist=0123456789')

希望这可以帮助 .

回复于 2024-05-01T22:28:06+08:00

32

您遇到问题的原因是因为版本4.0中的字符限制不起作用 . 您必须强制传统模式（oem 0）才能限制找到的字符 . 在tesseract团队的某个地方有一个他们尚未解决的问题 .

回复于 2024-05-01T22:28:06+08:00

Pytesseract OCR多配置选项

2 回答

相关问题