自定义字体的PyteSeract对数字的分类不正确

Question

我正在尝试使用pytesseract检测价格

然而，我有非常糟糕的结果

我有一个大图像，在不同的位置有几个价格。 这些位置是恒定的，所以我将图像裁剪下来，并将每个区域保存为新图像，然后尝试检测文本

我知道文本只包含0123456789美元

我使用trainyourteseract.com培训了我的新字体

例如，我拍摄了这张照片

将其大小加倍，并设置阈值以获得此结果

通过tesseract运行它并获得8的输出

任何帮助都将不胜感激

def getnumber(self, img):
   grey = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
   thresh, grey = cv2.threshold(grey, 50, 255, cv2.THRESH_BINARY_INV)

   filename = "{}.png".format(os.getpid())
   cv2.imwrite(filename, grey)

   text = pytesseract.image_to_string(Image.open(filename), lang='Droid',
                                      config='--psm 13 --oem 3 -c tessedit_char_whitelist=0123456789.$¢')
   os.remove(filename)
   return(text)

Answer 1

你在正确的轨道上。在为OCR预处理图像时，您希望得到黑色文本，背景为白色。其思想是放大图像，用大津的阈值得到二值图像，然后进行OCR。我们使用 psm 6告诉Pytesseract假设一个统一的文本块。查看here了解更多配置选项。这是经过处理的图像：

OCR结果：

2¢

代码

import cv2
import pytesseract
import imutils

pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"

# Resize, grayscale, Otsu's threshold
image = cv2.imread('1.png')
image = imutils.resize(image, width=500)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# Perform text extraction
data = pytesseract.image_to_string(thresh, lang='eng',config=' psm 6')
print(data)

cv2.imshow('thresh', thresh)
cv2.imwrite('thresh.png', thresh)
cv2.waitKey()

机器规格：

Windows 10
opencv-python==4.2.0.32
pytesseract==0.2.7
numpy==1.14.5