关闭用于pytessaract的英语词典单词(用于alpr系统)

Question

我正在使用pytessaract来为类似的事情做一个图像到文本转换一个号码板。

​

​

tools = pyocr.get_available_tools()
if len(tools) == 0:
    print("No OCR tool found")
    exit(1)

# The tools are returned in the recommended order of usage
tool = tools[0]
print("Will use tool '%s'" % (tool.get_name()))
# Ex: Will use tool 'libtesseract'

langs = tool.get_available_languages()
print("Available languages: %s" % ", ".join(langs))
lang = langs[0]
print("Will use lang '%s'" % (lang))

这就是我读它的方式，我把它可能是的所有字符白名单

text = pytesseract.image_to_string(Image.open('images/text.jpg'), config= "-c tessedit_char_whitelist=0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ")

现在，pytessaract正在阅读这个词，就好像它在寻找一个字典单词，而这并不能给出理想的结果--有一种方法可以转换字典单词，但是我不知道如何在python中这样做，这是我的问题，谢谢。

Answer 1

使用禁用的系统和频繁的DAWG添加配置文件

load_system_dawg     F
load_freq_dawg       F

配置文件应该放在tessdata/configs目录(ex：tessdata/configs/config)中，并在Init过程中传递给tesseract。

我并不是百分之百地相信pytesseract是如何完成的，但是我相信你可以在这里详细阐述。

init()函数签名是这样的：

const char *    datapath,
const char *    language,
OcrEngineMode   oem,
char **     configs,
int     configs_size,
const GenericVector< STRING > *     vars_vec,
const GenericVector< STRING > *     vars_values,
bool    set_only_non_debug_params

因此，需要将configs设置为指向"config"的指针，将configs_size设置为1

因此，可能是这样的，您可以详细说明如何使其发挥作用：

api = tesseract.TessBaseAPI()
api.Init(".","eng",tesseract.OEM_TESSERACT_ONLY, POINTER(ctypes.c_char_p("config")), 1, None, None, False)

编辑：

还请注意，禁用DAWG可能无法解决您的问题。如果我是你-我会简单地迭代结果的备选方案，并以最高的信心接受信(如果道格搜索是默认的字母将不会总是具有最高的信心)&工作更多地改善输入图像质量，如描述的这里。