无法识别 Pytesseract 上的正确数字

Question

我无法使用 Pytesseract 识别我想要的数字，我做错了什么吗？

我的代码

import cv2
from pytesseract import pytesseract

img = cv2.imread('foo.png')
for i in range(6,14):
    text:str = pytesseract.image_to_string(img, config=f'--oem 3 --psm {i} digits').replace('\n','')

    print(f"psm {i}: {text}")

我的输入图像
图片 1

结果

psm 6: 
psm 7: 
psm 8: 
psm 9: 
psm 10: 
psm 11: 
psm 12: 4
psm 13: 

图 2
图 2

结果

psm 6: .4
psm 7: 
psm 8: 
psm 9: 
psm 10: 
psm 11: 
psm 12: 
psm 13: 

图 3

图 3

结果

psm 6: 4
psm 7: 4
psm 8: 4
psm 9: 4
psm 10: 4
psm 11: 4
psm 12: 
psm 13: 4

我怎样才能得到我想要的结果？ 感谢您的帮助。

所有图像的高度均为 252 像素，最小宽度为 240 像素。

Answer 1

这里有一些尝试。

您使用的是孤立的数字，因此没有上下文可以帮助识别器，也没有字典的帮助。 从英文句子开始，然后 go 到英文单词，以验证一切正常。 然后尝试更难的孤立字母/数字任务。

尝试在图像上运行高斯模糊，将其阈值化为二进制，并要求对其进行识别。 或者，几乎是同一件事，通过简单地从 252 像素缩小到更小的东西来减少“颠簸”的伪影。 请记住，Tesseract 是在 300 dpi 和 600 dpi 的大约 8 到 16 pt 类型的图像上训练的。 矛盾的是，超大图像可能不利于识别。

您的一些图像看起来可能会被一些非零的 theta 扭曲。 考虑去偏移。 或者更好的是，考虑以各种分辨率生成地面实况图像，这些图像具有零偏斜。 Ghostscript 是一种流行的实现方式。

请更新问题以解释您使用的是哪种 Ocr 引擎模式。 也许3是 OEM_TESSERACT_LSTM_COMBINED ？ 您确定需要指定选项吗？ 也就是说，当我们让它默认时，我们会看到更差的性能吗？

哇，确实有很多页面分割模式，如上所述。 你没有为引擎提供太多上下文，对于孤立的数字，如果你在图像中写“1 2 3”，甚至是“123”。 与您的示例个位数图像相比，引擎有更好的机会验证其对字体大小的估计，因此请考虑特定的 PSM 擅长什么。 并注意提供能够发挥这种优势的形象。 一旦我们看到一些相邻的字符，下行和基线的估计就会好得多。

抱歉，没有简单的答案。 看起来你前面有一些实验。 请让我们知道您的发现！

Answer 2

我从命令行运行 tesseract，得到这个 output：

>tesseract 7.png - --psm 8
7
>tesseract 3.png - --psm 8
3
>tesseract 9.png - --psm 8
9