Pytesseract将重复问号标识为不同的字符。

Question

我裁剪了一个截图，以一个简单的例子开始。这是我想要转换为字符串的图片：

​

​

我确实使用pytesseract和opencv来处理图片：

​

​

我得到的字符串如下：

阶段4-2: 22？

♀

我是OCR的新手，在阅读了文档和玩过不同类型的预处理之后，这是我得到的最好的结果。我的问题：

• 为什么最后一个问号被识别，但前面的两个问号却没有被识别？
• 是没有预料到的特殊字符的再现？
• 为什么有"♀“?

谢谢你的帮助。

代码：

import pytesseract
import cv2


pytesseract.pytesseract.tesseract_cmd = r'C:\\Program Files\\Tesseract-OCR\\tesseract.exe'
image = cv2.imread('stage.png')

grey = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(grey, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

cv2.imwrite("test.png", thresh)
data = pytesseract.image_to_string(thresh, lang='eng', config='--psm 7')
print(data)

Answer 1

在进一步的游戏后，调整图片大小，并将其水平拉伸1.5倍，我得到了正确的解决方案。