我正在尝试开发基本的实时OCR来读取一个小文本块 . 我使用OCR的文本处理帧捕获帧，删除噪声，添加阈值，复制帧并将其传递给pytesseract以进行文本识别 . OCR的帧处理顺利通过，但是当pytesseract处理帧以提取文本时，它会经历大量滞后 . 我尝试通过为tysseract添加白名单选项来改善结果，但它无法解决性能问题 . 有没有办法绕过滞后？使用OpenCV深度学习文本识别能否更快地解决问题并解决滞后问题？
frame_grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) #convert video frame to grayscale
kernel = np.ones((1,1),np.uint8)
closing = cv2.morphologyEx(frame_grey, cv2.MORPH_CLOSE, kernel)
thresh = threshold_adaptive(closing, 251, offset = 35) #add thresholding
thresh = thresh.astype("uint8") * 255
if cv2.Laplacian(frame, cv2.CV_64F).var() > 350: #if frame is not blurry
frame_copy = frame.copy() #copy not blurred frame
text = Image.fromarray(frame_copy)
text = pytesseract.image_to_string(text, config='-psm 6 -c tessedit_char_whitelist=12345678ABCDEFGHIJKLMNOPQRSTUVWXYZ load_system_dawg=false load_freq_dawg=false') #extract text