提高打印速度OCR

Question

我使用pytesseract v.0.1.5和tesseract v.3.02.02来分析大量的jpeg图像。质量很好，但速度有点问题。在

在我的设置（i5-4460，8gbram）中，OCR大约需要25秒来处理100个图像（1900x250）。在同一台机器上，同样基于谷歌tesseract代码的Matlab2014BOCR速度快了30%。在

是否有必要修改OCR的设置（例如删除不需要的词典）以加快速度？我的文本只包含英语、数字和特殊字符/和-。在

我通过标准方式使用命令：

pytesseract.image_to_string(im)

非常感谢

哈里

Answer 1

pytesseract是tesseract cli的一个瘦包装器，如果您不真正需要pythonapi，只需调用纯tesseract。使用包装器会增加开销。我不知道有多少，根据你的平台，你有不同的分析工具来衡量这一点。在linux上，有perf:perf record yourcommand来记录，而{}来查看结果。在

正如你从代码中看到的，你可以把语言限制为只使用英语，你可以重新分析一下它是否有什么不同。 https://github.com/madmaze/pytesseract/blob/master/src/pytesseract.py#L128