如何在 pytesseract 中使用经过训练的数据？

Posted 2023-04-17

【中文标题】如何在 pytesseract 中使用经过训练的数据？

【英文标题】：How to use trained data with pytesseract?

【发布时间】：2017-10-26 06:59:31

【问题描述】：

使用此工具http://trainyourtesseract.com/ 我希望能够在 pytesseract 中使用新字体。该工具给了我一个名为 *.traineddata 的文件

现在我正在使用这个简单的脚本：

try:
    import Image
except ImportError:
    from PIL import Image
import pytesseract as tes

results = tes.image_to_string(Image.open('./test.jpg'),boxes=True)
file = open('parsing.text','a')
file.write(results)
print(results)

如何使用我的训练数据文件，以便我能够使用 python 脚本读取新字体？

谢谢！

edit#1：所以我知道*.traineddata 可以与 Tesseract 一起用作命令行程序。所以我的问题还是一样，如何在 python 中使用traineddata？

edit#2：我的问题的答案在这里How to access the command line for Tesseract from Python?

【参考方案1】：

下面是带有选项的pytesseract.image_to_string() 示例。

pytesseract.image_to_string(Image.open("./images***/xyz-small-gray.png"),
                                  lang="eng",boxes=False,
                                  config="--psm 4 --oem 3 
                                  -c tessedit_char_whitelist=-01234567890XYZ:"))

要使用您自己训练的语言数据，只需将lang="eng" 中的"eng" 替换为您的语言name(.traineddata)。

【讨论】：

对上述答案的一个小补充：将 xyz.traineddata 文件保存在保存 tesseract 数据的路径中（例如：/usr/share/tesseract-ocr/tessdata/）并传递以下内容：@987654326 @

.traineddata 被附加到语言名称中，并且 OpenCV 4 中的白名单被破坏。