python-tesseract OCR:仅获取数字

Question

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？

Answer 1

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.