如何使用 python tesseract 设置仅初始化参数？

Posted 2023-04-17

【中文标题】如何使用 python tesseract 设置仅初始化参数？

【英文标题】：How to set init only parameters with python tesseract?

【发布时间】：2015-12-08 07:45:37

【问题描述】：

我正在尝试使用 python-tesseract 包装器设置一些 Tesseract 参数，但对于 Init Only 参数我无法这样做。

我一直在阅读 Tesseract 文档，看来我必须使用 Init() 来设置这些。这就是 setVariable 文档所说的：

仅适用于非初始化变量 *（初始化变量应传递给 Init()）。

所以 Init() 函数有这个签名：

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

我的代码如下：

import tesseract

configVec =     ['user_words_suffix',   'load_system_dawg',     'load_freq_dawg']
configValues =  ['brands',              '0',                    '0']

api = tesseract.TessBaseAPI()
api.Init(".","eng",tesseract.OEM_TESSERACT_ONLY, None, 0, configVec, configValues, False)
api.SetPageSegMode(tesseract.PSM_AUTO_OSD)
api.SetVariable("tessedit_char_whitelist", "€$0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz,.\"-/+%")

问题是我收到以下错误：

NotImplementedError: Wrong number or type of arguments for overloaded function 'TessBaseAPI_Init'.
  Possible C/C++ prototypes are:
    tesseract::TessBaseAPI::Init(char const *,char const *,tesseract::OcrEngineMode,char **,int,GenericVector< STRING > const *,GenericVector< STRING > const *,bool)

问题与那些 GenericVectors 有关。如果我改用这一行：

api.Init(".","eng",tesseract.OEM_TESSERACT_ONLY, None, 0, None, None, False)

它有效。所以问题是那些 GenericVectors。如何将正确的参数传递给 Init()？

还有其他方法可以在代码中设置init only参数吗？ 我可以使用这些参数从代码中加载配置文件吗？

感谢您的宝贵时间，非常感谢您的帮助。

【参考方案1】：

对于直接与 API 交互的场景，我执行了以下操作：

# This should be specified in the cffi.cdef
BOOL TessBaseAPISetVariable(TessBaseAPI *handle, const char *name, const char *value);

# This should be called afterwards, outside the cdef
# baseapi.h - Params (aka variables) must be done after init line above
# tesseractclass.h - Has list of settable variables like tessedit_char_whitelist
foundVariableName = libtess.TessBaseAPISetVariable(api, 'tessedit_char_whitelist'.encode(), 'ABFGJKLMNOPRSTYZ1234567890/.,-+ |\\'.encode())
print(foundVariableName) # returns 1 is successfully found, 0 if variable name not found