如何将 tessdata_best 用于 tesseract (pytesseract)。论据和程序是啥？

Posted 2023-04-17

【中文标题】如何将 tessdata_best 用于 tesseract (pytesseract)。论据和程序是啥？

【英文标题】：how to use tessdata_best for tesseract (pytesseract). What are the arguments and procedure?如何将 tessdata_best 用于 tesseract (pytesseract)。论据和程序是什么？

【发布时间】：2020-12-23 16:03:38

【问题描述】：

TL;DR：我如何在conda 中安装tessdata_best 以在conda 中与pytesseract 一起使用Ubuntu 18？

我在conda 环境中使用pytesseract 已经有一段时间了，但是需要提高准确性，我发现tessdata_best 可以提供最佳的准确性。如何安装和使用该版本？我正在使用Ubuntu 18，并且必须使用pytesseract。

我的tesseract 安装在/usr/share/tesseract-ocr/，里面只有1 个tessdata。

我是否需要通过将tessdata_best 复制到目录/usr/share/tesseract-ocr/ 旁边的tessdata 来从github 获取tessdata_best？

即便如此，如果我想使用tessdata-best，我必须使用什么？我是否需要将config 更改为--oem 0/1/2/3？

第三也是最后一件事是我的language.trainedata 文件位于/home/deshwal/anaconda3/envs/py36/share/tessdata/eng.traineddata。我还需要在这个位置粘贴tessdata_best 吗？因为当我尝试更改语言目录时，它给我的错误如下：

/home/deshwal/anaconda3/envs/py36/share/tessdata/equ.traineddata Please make sure the TESSDATA_PREFIX environment variable is set to your "tessdata" directory. Failed loading language \'equ\' Tesseract couldn\'t load any languages! Could not initialize tesseract.'

【问题讨论】：

如果您找到了答案，请告诉我。如果您还没有，请尝试研究在新图像上重新训练 Tesseract - 这是一个相当长的学习曲线，但我认为最终还是值得的。祝你好运！

你找到答案了吗？我想使用 tessdata_best 但我不知道如何使用。

@captaincustard 到目前为止一点运气都没有

【参考方案1】：

我不知道我是否清楚地理解了您的问题，但是如果下面有帮助，请告诉我... 您需要将数据路径设置为复制 tessdata_best 训练模型的位置，例如，

Tesseract tesseract = new Tesseract(); // JNA 接口映射 tesseract.setDatapath("/home/tesseract/tessdata_best_4_0_0/tessdata");

您从 (https://github.com/tesseract-ocr/tessdata_best) 下载的所有 .traineddata 文件都应放在您在 setDataPath 中定义的目录中（例如：/home/tesseract/tessdata_best_4_0_0/tessdata）。

请注意：这些模型仅适用于 Tesseract 4 的 LSTM OCR 引擎，因此请确保您使用了库 4.1 或更高版本。

问候， 毛利克