如何将 tessdata_best 用于 tesseract (pytesseract)。 论据和程序是什么？

Question

TL;DR：如何在Ubuntu 18的conda中安装tessdata_best以与pytesseract一起使用？

我在conda环境中使用pytesseract已经有一段时间了，但是需要提高准确性，我发现tessdata_best为您提供最好的准确性。 如何安装和使用该版本？ 我正在使用Ubuntu 18并且必须使用pytesseract 。

我的tesseract安装在/usr/share/tesseract-ocr/里面，里面只有 1 个tessdata 。

我是否需要通过将tessdata_best复制到 tessdata 旁边的目录/usr/share/tesseract-ocr/来从 github 获取tessdata ？

即使那样，如果我想使用tessdata-best ，我必须使用什么？ 我需要将config更改为--oem 0/1/2/3吗？

第三也是最后一件事是我的language.trainedata文件位于/home/deshwal/anaconda3/envs/py36/share/tessdata/eng.traineddata 。 我也需要在这个位置粘贴tessdata_best吗？ 因为当我尝试更改语言目录时，它给我的错误如下：

/home/deshwal/anaconda3/envs/py36/share/tessdata/equ.traineddata Please make sure the TESSDATA_PREFIX environment variable is set to your "tessdata" directory. Failed loading language \'equ\' Tesseract couldn\'t load any languages! Could not initialize tesseract.'

Answer 1

我不知道我是否清楚地理解了您的问题，但是如果下面有帮助，请告诉我...您需要设置数据路径，其中包含您将复制 tessdata_best 训练模型的位置，例如，

正方体 tesseract = 新正方体（）； // JNA 接口映射 tesseract.setDatapath("/home/tesseract/tessdata_best_4_0_0/tessdata");

您从 ( https://github.com/tesseract-ocr/tessdata_best ) 下载的所有 .traineddata 文件都应放在您在 setDataPath 中定义的目录中（例如：/home/tesseract/tessdata_best_4_0_0/tessdata）。

请注意：这些模型仅适用于 Tesseract 4 的 LSTM OCR 引擎，因此请确保您使用了库 4.1 或更高版本。

问候， 毛利克

Answer 2

根据 pytesseract 的文档，您可以将config参数与--tessdata-dir一起使用，如下所示：

# Example config: r'--tessdata-dir "C:\Program Files (x86)\Tesseract-OCR\tessdata"'
# It's important to add double quotes around the dir path.
tessdata_dir_config = r'--tessdata-dir "<replace_with_your_tessdata_dir_path>"'
pytesseract.image_to_string(image, lang='chi_sim', config=tessdata_dir_config)

有关更多详细信息，请参阅https://pypi.org/project/pytesseract/ 。