如何配置 Pytesseract 以仅识别单个数字？

Pytesseract OCR 的多个配置选项

Pytesseract 是一个强大的 OCR 工具，广泛用于从图像中提取文本。然而，在识别特定字符集的任务时，它可能会遇到挑战。为了克服这些限制，用户经常使用自定义参数来配置 Tesseract。

一种常见的场景是将 Tesseract 配置为接受单个数字，同时排除其他字符。在区分数字零和字母“O”时，这一点变得至关重要，因为数字零和字母“O”在某些情况下可能看起来相同。为了实现这一点，Tesseract 提供了多个可以进行相应调整的配置选项。

使用 psm 和 tessedit_char_whitelist 参数

随着 Tesseract 4.0.0a 的发布，用户获得访问权限更广泛的页面分段模式（psm 值）。对于以单个字符识别为主要目标的场景，将 psm 设置为 10 证明是有效的。此参数指示 Tesseract 将图像视为单个字符。

此外，要将 Tesseract 的识别范围限制为仅数字，用户可以使用 tessedit_char_whitelist 参数。通过指定字符白名单，例如 0123456789，Tesseract 将独占该白名单中的字符。

示例用法

以下代码演示了如何结合 psm 和 tessedit_char_whitelist实际参数设置：

import pytesseract

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

在此示例中，image 变量表示要处理的输入图像，lang='eng' 指定文本为英文。通过设置boxes=False，该函数将不会输出已识别字符的边界框。

--psm 10 参数确保使用单个字符识别，而--oem 3 参数选择默认的 OCR 引擎。最后， -c tessedit_char_whitelist=0123456789 参数将识别仅限于数字。

通过理解和利用这些多个配置选项，用户可以有效地定制 Pytesseract 的行为以满足其特定的 OCR 需求，从而实现准确且精确的文本提取。

以上是如何配置 Pytesseract 以仅识别单个数字？的详细内容。更多信息请关注PHP中文网其他相关文章！