Tesseract RuntimeError: 识别图片失败

Question

我是 tesseract 的新手，在尝试使用外部训练的数据集时出现此错误。

tesserocr.pyx in tesserocr.image_to_text (tesserocr.cpp:20994)()
RuntimeError: Failed recognize picture

我不知道如何解决它。问题出在外部库上，但除此之外，我不知道。任何指导表示赞赏。

我使用的是带有 Tesserocr 包装器的 Ubuntu 16.04 LTS、x86_64、Python 2.7。外部库来自：https://github.com/arturaugusto/display_ocr。

我刚刚将letsgodigital.traineddata文件粘贴到：

/usr/share/tesseract-ocr/tessdata

代码：

import tesserocr
image = Image.fromarray(im)
print tesserocr.image_to_text(image, lang = 'letsgodigital', psm=8, )

语言检查

print tesserocr.get_languages() 
(u'/usr/share/tesseract-ocr/tessdata/', [u'letsgodigital', u'equ', u'osd', u'eng'])

使用默认英文库运行代码有效

print tesserocr.image_to_text(image, lang = 'eng', psm=8, )

Tesseract 版本信息：

tesserocr.tesseract_version()

u'tesseract 3.04.01\n leptonica-1.73\n  libgif 5.1.2 : libjpeg 8d (libjpeg-turbo 1.4.2) : libpng 1.2.54 : libtiff 4.0.6 : zlib 1.2.8 : libwebp 0.4.4 : libopenjp2 2.1.0\n'

Answer 1

错误RuntimeError: Failed recognize picture 表示图像无法加载。您可以在下面尝试以确保“eng”首先工作。然后为您的 7 段数字显示器指定自定义语言。

import tesserocr
from PIL import Image

image = Image.open('english_text.png')
digits = tesserocr.image_to_text(image)  # print ocr text from image

如果您还没有这样做，还可以为经过训练的语言数据路径设置TESSDATA_PREFIX，如下所示。

export TESSDATA_PREFIX=/usr/share/tesseract-ocr/tessdata

希望对您有所帮助。

更新：

测试了从sample 裁剪的下图，

在Windows 10 和Tesseract 4.0.0a 中，输出是正确的。

为了测试，如果上面的图片不能在你的机器上工作，你可以试试下面的编辑过的图片，它有更多的顶部和底部边距。即使使用默认的--psm 3 和--oem 3 模式，这个也可以工作。