不从图像中获取印地语文本

Question

我想使用pytesseract库从图像中识别印地语文本。

我试过的

下面的脚本可以识别整个文本，但我不会使用印地语。它只识别典型的欧洲/美国字符：

# -*- coding: utf-8 -*-
from PIL import Image
import pytesseract


pytesseract.pytesseract.tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract'
#im = Image.open("/tesserocr/hindisample.png")

#im = Image.open("C:/shubhamprojectwork/ocr/tesseract-python-master/sample1.jpg")
im = Image.open("C:/shubhamprojectwork/ocr/tesseract-python-master/hindisample.png")


text = pytesseract.image_to_string(im, lang = 'hin')

print(len(text))
import codecs
f = codecs.open('bla.txt', encoding='utf-8', mode='w')
f.write(text)
f.close()
file1 = open("bla.txt", encoding='utf-8',mode="r+")
file1.seek(0) 

print ("Output of Readline function is ")
print (file1.readline())

我想要的图片就在这里

​

。

它正在生成这些文本

Wfififirifilfiafiiaflmtfimfi

WWfiRWWEIB-‘E

fiafiimfiifimfiafitw

fifiéfififimfiafiamfifiw

Answer 1

你可能没有印地语训练数据。尝试使用以下命令sudo apt-get install tesseract-ocr-hin重新安装tesseract库