使tesseract只能识别数字

Question

我正在尝试改进我制作的OCR程序，以读取我正在使用的某个图像的布局。现在，我希望我的OCR程序只能识别数字0-9。

我试着遵循问题的解决方案：

Limit characters tesseract is looking for

但是我陷入了必须调用tesseract的部分：

tesseract input.tif output nobatch letters  

这是怎么回事？

Answer 1

前段时间我在SO中发布了一些关于tesseract的内容:请参阅Tesseract OCR Library - Learning Font。值得注意的是，有一个link to tesseract training，它将告诉你如何限制你的字符集和描述你的歧义。

Answer 2

我在使用python时也遇到了同样的问题，假设更多的读者可能会这样做。

从这里：https://github.com/tesseract-ocr/tesseract/wiki/FAQ#how-do-i-recognize-only-digits

这里：https://github.com/madmaze/pytesseract/blob/27fed535bf1eb665ec991313841b177336b50f61/src/pytesseract.py#L91

我成功地使用了：

图像配置(

pytesseract.image_to_string=‘outputbase digits')

Answer 3

这个问题在Tesseract FAQ上得到了回答

下面是如何让tesseract只识别数字的方法：

Tesseract 2-在调用Init函数或将其放入名为tessdata/configs/digits的文本文件之前：

tessedit_char_whitelist 0123456789

然后你的命令行变成：

tesseract image.tif outputbase nobatch digits

Tesseract 3-已经创建了数字配置文件，所以只需运行如下的tesseract命令：

tesseract imagename outputbase digits