python - 提高速度 pytesseract OCR

Question

我正在使用 pytesseract v.0.1.5 和 tesseract v.3.02.02 来分析大量 jpeg 图像。质量很好，就是速度有点问题。

在我的设置(i5-4460、8GB 内存)中，OCR 处理 100 张图像 (1900x250) 大约需要 25 秒。在同一台机器上，同样基于google的tesseract代码的Matlab 2014b OCR，速度提升了30%。

有没有办法修改 OCR 的设置(例如删​​除不需要的词典)以使其更快？我的文本只包含英文、数字和特殊字符/和-。

我正在通过标准方式使用命令:

pytesseract.image_to_string(im)

非常感谢，

哈利

Answer 1

pytesseract 是 tesseract cli 的精简包装器，如果您真的不需要 python api，只需调用普通 tesseract。使用包装器会增加开销。多少我不知道，根据您的平台，您有不同的分析工具来衡量它。在 linux 上有 perf: perf record yourcommand 来记录和 perf report 来查看结果。

正如您从代码中看到的那样，您可以将语言限制为仅英语，您可以再次分析以查看它是否有任何不同。 https://github.com/madmaze/pytesseract/blob/master/src/pytesseract.py#L128