有许多错误的Tesseract-Digit-Reguiting

Question

我希望能够从图像中识别数字。所以我一直在玩tesseract和Python。我研究了如何准备图像，并尝试在它上运行tesseract，我必须说，我对我的数字被识别得如此糟糕感到非常失望。我尝试用OpenCV准备我的图像，并认为我做得很好（见下面的示例），但tesseract在试图识别我的图像时有很多错误。我是不是期望太高了？但是当我看到这些示例图像时，我认为tesseract应该可以轻松地识别这些数字，没有任何问题。我想知道是不是精度还没有，或者我的配置不是最佳的。如有任何帮助或指导，我们将不胜感激。

我试图改善数字识别的事情：（似乎没有什么能显著改善结果）

• 限制字符:config=“--PSM 13--OEM 3-C TESSEDIT_CHAR_WHITELIST=0123456789”
• 高档图像
• 在图像周围添加一个白色边框以给字母更多的空间，因为我已经读到这样可以改进识别过程
• 阈值图像只有黑白像素

例子：

图1：

Tesseract认可：1723年

Answer 1

我不知道你出了什么问题。我下载了这些图像，tesseract对它们的解释对我来说很好。您使用的是什么版本的tesseract（我使用的是5.0）？

781429

209441

import pytesseract
import cv2
import numpy as np
from PIL import Image

# set path
pytesseract.pytesseract.tesseract_cmd = r'C:\\Users\\ichu\\AppData\\Local\\Programs\\Tesseract-OCR\\tesseract.exe';

# load images
first = cv2.imread("first_text.png");
second = cv2.imread("second_text.png");
images = [first, second];

# convert to pillow
pimgs = [];
for img in images:
    rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB);
    pimgs.append(Image.fromarray(rgb));

# do text
for img in pimgs:
    text = pytesseract.image_to_string(img, config='--psm 10 --oem 3 -c tessedit_char_whitelist=0123456789');
    print(text[:-2]); # drops newline + end char