ocr - tesseract 5.0 bazaar + 用户词配置不起作用

Question

我试图强制 tesseract 在执行 OCR 时只使用我的单词列表。
首先，我将集市文件复制到 /usr/share/tesseract-ocr/5/tessdata/configs/ .这是我的集市文件:

load_system_dawg F
load_freq_dawg F
user_words_suffix user-words

然后，我创建了 eng.user-words在 /usr/share/tesseract-ocr/5/tessdata .这是我的用户词文件:

Items
VAT
included
CASH

然后我通过命令对这个图像执行 ocr: tesseract -l eng --oem 2 test_small.jpg stdout bazaar .



这是我的结果:

2 Item(s) (VAT includsd) 36,000
casH 40,000
CHANGE 4. 000

如您所见， includsd不在我的用户词文件中，它应该被“包含”。此外，即使不使用 bazaaz 我也得到了相同的结果在命令中配置。看起来我的 bazaar和 eng.user-words config 对 OCR 输出没有任何影响。那么如何使用 bazaar和 user-words配置，以获得想要的结果？

Answer 1

您需要做的就是对图像进行上采样。
如果你上采样两次

现在阅读:

2 Item(s) (VAT included) 36,000
CASH 40,000
CHANGE 4,000

代码:

import cv2
import pytesseract

# Load the image
img = cv2.imread("4nGXo.jpg")

# Convert to the gray-scale
gry = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Up-sample
gry = cv2.resize(gry, (0, 0), fx=2, fy=2)

# OCR
print(pytesseract.image_to_string(gry))

# Display
cv2.imshow("", gry)
cv2.waitKey(0)