tesseract-ocr tips

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了tesseract-ocr tips相关的知识,希望对你有一定的参考价值。

【基本用法】

1、官方:https://github.com/tesseract-ocr

2、基本语法:

Usage:tesseract.exe imagename outputbase [-l lang] [-psm pagesegmode] [configfile...]

pagesegmode values are:
0 = Orientation and script detection (OSD) only.
1 = Automatic page segmentation with OSD.
2 = Automatic page segmentation, but no OSD, or OCR
3 = Fully automatic page segmentation, but no OSD. (Default)
4 = Assume a single column of text of variable sizes.
5 = Assume a single uniform block of vertically aligned text.
6 = Assume a single uniform block of text.
7 = Treat the image as a single text line.
8 = Treat the image as a single word.
9 = Treat the image as a single word in a circle.
10 = Treat the image as a single character.
-l lang and/or -psm pagesegmode must occur before anyconfigfile.

Single options:
-v --version: version info
--list-langs: list available languages for tesseract engine

tesseract imagename outputbase [-l lang] [-psm pagesegmode] [configfile...]
tesseract    图片名  输出文件名 -l 字库文件 -psm pagesegmode 配置文件

3、示例:

(1)、

tesseract code.jpg code -l chi_sim -psm 7 digits
code 生成code.txt的结果文件
-l chi_sim 表示用简体中文字库
-psm 7 表示告诉tesseract code.jpg图片是一行文本,默认为 3
configfile 参数值为tessdata\configs 和 tessdata\tessconfigs 目录下的文件名
digits 内容为 tessedit_char_whitelist 0123456789-. 表示数字

(2)、白名单

tesseract code.jpg code -l eng -psm 7 -c tessedit_char_whitelist="ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789"

(2)、黑名单

tesseract code.jpg code -l eng -psm 7 -c tessedit_char_blacklist="abcdefghijklmnopqrstuvwxy"



【训练】


*** walker ***


本文出自 “walker的流水账” 博客,请务必保留此出处http://walkerqt.blog.51cto.com/1310630/1844753

以上是关于tesseract-ocr tips的主要内容,如果未能解决你的问题,请参考以下文章

Python调用Tesseract-OCR完成图片OCR识别

安装 tesseract-ocr 时出现 gcc 错误

windows vs 编译tesseract-ocr

pytesseract+Tesseract-OCR图片文字识别

Tesseract-OCR4.0版本在VS2015上的编译与运行(转)

Python调用Tesseract-OCR和Zxing完成图片OCR识别和二维码解码