python - tesseract 的 OCR 结果高度不一致

Question

这是原始屏幕截图，我将图像裁剪成 4 部分并尽可能清除图像的背景，但 tesseract 仅检测此处的最后一列并忽略其余部分。

tesseract 的输出显示为存在我在处理结果时删除的空格

  Femme—Fatale.



  DaRkLoRdEIa
  aChineseN1gg4

  Noob_Diablo_

tesseract 的输出显示为存在我在处理结果时删除的空格

Kicked.

NosNoel
ChikiZD
Death_Eag|e_42

Chai—.

3579 10 1 7 148

2962 3 O 7 101

2214 2 2 7 99

2205 1 3 6 78

8212

7198

6307

5640

4884

15

40

40

6O

80

80

我只是转储

的输出

result = `pytesseract.image_to_string(Image.open("D:/newapproach/B&W"+str(i)+".jpg"),lang="New_Language")`

但我不知道如何从这里开始以获得一致的结果。无论如何我可以强制 tesseract 识别文本区域并让它扫描它。因为在 trainer (SunnyPage) 中，tesseract 默认识别扫描它无法识别某些区域，但是一旦我手动选择所有内容都会被检测到并正确翻译成文本

Code

Answer 1

尝试使用命令行，我们可以选择决定使用哪个 psm 值。

你能试试这个吗:

pytesseract.image_to_string(image, config='--psm 6')

用你提供的图片试过，结果如下:

Extracted Text Out of Image

我面临的唯一问题是我的 tesseract 字典正在将您图像中提供的“1”解释为“我”。

以下是可用的 psm 选项列表:

pagesegmode 值为:0 = 仅方向和脚本检测 (OSD)。

1 = 使用 OSD 自动分页。

2 = 自动页面分割，但没有 OSD 或 OCR

3 = 全自动页面分割，但没有 OSD。 (默认)

4 = 假设有一列可变大小的文本。

5 = 假设有一个统一的垂直对齐文本 block 。

6 = 假设一个统一的文本 block 。

7 = 将图像视为单个文本行。

8 = 将图像视为单个词。

9 = 将图像视为圆圈中的单个单词。

10 = 将图像视为单个字符。