OCR 将 E 检测为 £答案

【问题标题】：OCR detecting E as £OCR 将 E 检测为 £
【发布时间】：2020-02-02 17:35:55
【问题描述】：

我正在使用 pytesseract（tesseract 的第 5 版）来扫描图像。我已将图像更改为黑白以消除噪点，但仍将 E 检测为 196893 英镑。
还尝试设置大多数人建议的语言、dpi 和 psm 值。以下是我现在使用的设置。请提出建议。

pytesseract.image_to_string(Image.open(impath), config=" --dpi 120 --psm 6 -l eng")

示例图片如下所示。对于某些示例，它可以正常工作，但对于某些示例，它会给出如此奇怪的字符。

【问题讨论】：

【解决方案1】：

解决此问题的一个解决方案是限制 Tesseract 查找的字符。为此，您必须：

在 tesseract 配置目录中创建一个具有任意名称（即“白名单”）的文件。在 linux 中，该目录通常放在/usr/share/tesseract/tessdata/configs。
在该文件中添加一行，其中仅包含您要在文本中搜索的字符： tessedit_char_whitelist *list_of_characters*
然后使用白名单词汇调用您的脚本：
tesseract input.tif output nobatch whitelist

在这种情况下，必须在 Python 脚本中将参数设置为：

pytesseract.image_to_string(Image.open(impath), config=" --dpi 120 --psm 6 -l nobatch whitelist")

【讨论】：