[英]python-tesseract OCR: get digits only
我正在使用tesseract OCR with python-tesseract。 在tesseract FAQ中 ,关于数字,我们有:
使用
TessBaseAPI::SetVariable("tessedit_char_whitelist", "0123456789");
在调用Init函数之前或将其放在名为tessdata / configs / digits的文本文件中:
tessedit_char_whitelist 0123456789
然后你的命令行变成:
tesseract image.tif outputbase nobatch digits
警告:在旧的和新的配置变量合并之前,您还必须具有nobatch参数。
在python-tesseract中,存在SetVariable方法。 我试过这个,但是OCR的结果是一样的:
api = tesseract.TessBaseAPI()
api.SetVariable("tessedit_char_whitelist", "0123456789")
api.Init('.','eng',tesseract.OEM_DEFAULT)
api.SetPageSegMode(tesseract.PSM_AUTO)
有没有人已经有这个工作,或者我应该认为它是python-tesseract中的一个错误?
好的,搞定了。 根据tesseract-ocr的这个(非官方?)文档 ,必须在Init()之后调用SetVariable(),即使官方常见问题解答中说的相反。 在Init()之后调用它按预期工作。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.