在python中使用tesseract 4

Question

我已经在python和pytesseract(来自Pypi)中使用了tesseract 3.04，现在我想使用基于4.00.00alpha的新LSTM

我使用的是kali linux，所以我安装了libtesserct4(使用apt-get)，它在tesseract-ocr中创建了名为4.00的文件夹，但当我尝试将它与pytesseract一起使用时，它无法识别--eom input

代码是：

pytesseract.image_to_string(Image.open(filename),lang="en",config='--eom 2')

结果：

read_params_file: Can't open 1

当我使用tesseract -h命令时，oem输入也不会出现。

它不识别文件夹tesseract-ocr/4.00/tessdata中的训练数据文件它只识别文件夹tesseract-ocr/tessdata中的训练数据

如果pytesseract有任何问题，您能告诉我如何为tesseract 4设置python包装器吗？

谢谢

Answer 1

我建议使用tesserocr。它支持Tesseract 4，是C++应用程序接口的真正包装器，而pytesseract只调用tesseract CLI。培训是一个完全不同的故事，你应该遵循开发人员提供的指南。

Answer 2

你可以在下面试试。它适用于带有Python 3.6的Tesseract 4.0.0a。

ocr = pytesseract.image_to_string(Image.open(filename), lang="eng",\
      boxes=False, config="--psm 3 --oem 2")

--psm 3是默认的页面分割模式。

希望这能有所帮助。