ocr - 如何在 pytesseract 中使用经过训练的数据？

Question

使用此工具 http://trainyourtesseract.com/我希望能够在 pytesseract 中使用新字体。该工具给了我一个名为 *.traineddata 的文件

现在我正在使用这个简单的脚本:

try:
    import Image
except ImportError:
    from PIL import Image
import pytesseract as tes

results = tes.image_to_string(Image.open('./test.jpg'),boxes=True)
file = open('parsing.text','a')
file.write(results)
print(results)

如何使用我的训练数据文件，以便我能够使用 python 脚本读取新字体？

谢谢 !

编辑#1:所以我明白 *.traineddata可以作为命令行程序与 Tesseract 一起使用。所以我的问题还是一样，我如何在 python 中使用traineddata？

编辑#2:我的问题的答案在这里 How to access the command line for Tesseract from Python?

Answer 1

下面是带有选项的 pytesseract.image_to_string() 示例。

pytesseract.image_to_string(Image.open("./imagesStackoverflow/xyz-small-gray.png"),
                                  lang="eng",boxes=False,
                                  config="--psm 4 --oem 3 
                                  -c tessedit_char_whitelist=-01234567890XYZ:"))

要使用您自己训练的语言数据，只需将 "eng" 中的 lang="eng" 替换为您的语言 name(.traineddata) 。