python - 如何仅在 pytesser 中启用数字？

Question

我正在运行 pytesser 以在 python 中对图像进行 OCR。我第一次从页面上抓取图像时，它很好，但在接下来的几页中准确性变差，直到 87+1 为 $+$

奇怪，嗯？我的猜测是因为 pytesser(来自 tesseract for python 的端口)是为了识别单词而构建的，并将你的 OCR 放入下一个问题的上下文中。所以，没有办法禁用它，我只能将它设置为数字吗？但是 pytesser 没有太多关于它的文档，所以我继续查看 tesseract 常见问题解答，但我并没有真正得到代码。

Use

TessBaseAPI::SetVariable("tessedit_char_whitelist", "0123456789");

BEFORE calling an Init function or put this in a text file called tessdata/configs/digits:

tessedit_char_whitelist 0123456789

and then your command line becomes:

tesseract image.tif outputbase nobatch digits

Warning: Until the old and new config variables get merged, you must have the nobatch parameter too.

我猜它适用于 C 或 C++。有没有办法在 python 中做到这一点？或者更好的是，禁用 OCR 上下文？

Answer 1

在 python 中:

import tesseract
ocr = tesseract.TessBaseAPI();
ocr.Init(".","eng",tesseract.OEM_TESSERACT_ONLY)
ocr.SetVariable("tessedit_char_whitelist", "0123456789")

你可能还想:

ocr.SetVariable("classify_enable_learning", "0")
ocr.SetVariable("classify_enable_adaptive_matcher", "0")