如何仅在pytesser中启用数字？

Question

我正在运行pytesser来进行OCR，这是python中的一个映像。当我第一次从页面上抓取图片时，它很好，但是在接下来的几页中，准确性会下降，直到87+1是$+$为止。

奇怪，嗯？我的猜测是，因为pytesser(python从tesseract到python的端口)构建是为了识别单词，并将您的OCR应用到下一个问题的上下文中。所以，没有办法禁用它，我只能将其设置为数字，对吗？但是pytesser没有太多的文档，所以我接着讨论了tesseract常见问题，但我并没有真正理解代码。

使用

TessBaseAPI::SetVariable("tessedit_char_whitelist"，"0123456789")；

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

然后命令行变成：

tesseract image.tif输出基数字

警告:在旧的配置变量和新的配置变量合并之前，您也必须具有no批处理参数。

我猜tat代表C或C++。有没有办法在蟒蛇身上做到这一点？或者更好的是，禁用OCR的上下文？

Answer 1

在python中：

import tesseract
ocr = tesseract.TessBaseAPI();
ocr.Init(".","eng",tesseract.OEM_TESSERACT_ONLY)
ocr.SetVariable("tessedit_char_whitelist", "0123456789")

你也可能希望：

ocr.SetVariable("classify_enable_learning", "0")
ocr.SetVariable("classify_enable_adaptive_matcher", "0")