正方体训练 .TIff 文件

【问题标题】：Tesseract Train .TIff Files正方体训练 .TIff 文件
【发布时间】：2020-02-26 11:04:51
【问题描述】：

我正在基于 Tesseract 创建自定义 OCR 应用程序，我仍在做研发工作，我遇到了训练多页 tiff 文档以从中提取特定字段的问题，我该如何实现它?一旦它被训练，即将到来的相同文档将被自动提取或者我们需要手动干预？

对不起，我还处于研发阶段，我没有动手编码，我用谷歌搜索了很多但找不到合适的解决方案，请帮助我解决这个问题提前谢谢！！！

【问题讨论】：

【解决方案1】：

我使用 PIL 将 tiff 读入 ImageSequence，然后单独处理页面，因为如果需要可以并行完成。

from PIL import Image, ImageSequence
import pytesseract

im = Image.open(filename)
pages = ImageSequence.Iterator(im)
# n_pages = im.n_frames
for page in in pages:
    im = im.convert('L')
    pytesseract.image_to_data( ... )

【讨论】：

如何训练图像以从中获取特定领域有什么想法吗？
你能帮我吗？