pytesseract使用tesseract 4.0数字仅不起作用

Question

有人试图获取仅在python中调用tesseract 4.0的最新版本的数字吗？

下面的代码在3.05中有效，但在4.0中仍返回字符，我尝试删除所有配置文件，但数字文件仍然无效。任何帮助都会很棒：

im是日期的图像，黑色文本白色背景：

import pytesseract
im =  imageOfDate
im = pytesseract.image_to_string(im, config='outputbase digits')
print(im)

Answer 1

在 pytesseract 中使用 tessedit_char_whitelist 标志对我不起作用。但是，一种解决方法是使用一个有效的标志，即 config='digits'：

import pytesseract
text = pytesseract.image_to_string(pixels, config='digits')

其中像素是图像的 numpy 数组（PIL 图像也应该有效）。这应该会强制您的 pytesseract 只返回数字。现在，要自定义它返回的内容，请找到您的数字配置文件，在 Windows 上，我的位于此处：

C:\Program Files (x86)\Tesseract-OCR\tessdata\configs

打开数字文件并添加您想要的任何字符。保存并运行 pytesseract 后，它应该只返回那些自定义字符。

Answer 2

您可以在tessedit_char_whitelist下方将数字指定为config option。

ocr_result = pytesseract.image_to_string(image, lang='eng', boxes=False, \
           config='--psm 10 --oem 3 -c tessedit_char_whitelist=0123456789')

希望能有所帮助。

Answer 3

您可以将下面的数字指定tessedit_char_whitelist为配置选项。

ocr_result = pytesseract.image_to_string(image, lang='eng',config='--psm 10 --oem 3 -c tessedit_char_whitelist=0123456789')