python - 使用 pytesser 识别简单数字

Question

我正在使用 PyTesser 和 Tesseract 学习 OCR。作为第一个里程碑，我想编写一个工具来识别仅由一些数字组成的验证码。看了一些教程，写了这样一个测试程序。

from pytesser.pytesser import *
from PIL import Image, ImageFilter, ImageEnhance

im = Image.open("test.tiff")
im = im.filter(ImageFilter.MedianFilter())
enhancer = ImageEnhance.Contrast(im)
im = enhancer.enhance(2)
im = im.convert('1')
text = image_to_string(im)
print "text={}".format(text)

我用下图测试了我的代码。但结果是 2(T?770。我也测试了一些其他类似的图像，在 80% 的情况下结果不正确。

我对图像处理不熟悉。我在这里有两个问题:

1. 是否可以告诉 PyTesser 只猜测数字？

2. 我认为这张图片很容易让人阅读。如果 PyTesser 读取纯数字图像如此困难，是否有任何替代方案可以实现更好的 OCR？

非常感谢任何提示。

Answer 1

我认为您的代码还不错。它可以识别207770。问题出在 pytesser 安装上。 pytesser 中的 Tesseract 已过时。您将下载最新版本并覆盖相应的文件。您还需要编辑 pytesser.py 并更改

tesseract_exe_name = 'tesseract'

到

import os.path
tesseract_exe_name = os.path.join(os.path.dirname(__file__), 'tesseract')