pytesseract 结果不同于 tesseract 命令行结果
pytesseract results different from tesseract command line results
我正在尝试在 Ubuntu 上使用 pytesseract 和 tesseract 命令行将扫描的页面转换为文本。结果截然不同（pytesseract 比 tesseract 命令行执行得更好），我无法理解为什么。我查看了参数的默认值并尝试在 tesseract 命令行（如 psm ）中更改一些参数值，但我无法获得与 pytesseract 相同的结果。由于 pytesseract 中缺少适当的文档，我无法弄清楚使用的参数默认值。
这是我的 pytesseract 代码
print(pytesseract.image_to_string(Image.open('test.tiff'))
查看pytesseract的源代码，似乎总是将图像转换为.bmp文件。
在 Tesseract 的命令行中使用 .bmp 文件和 6 的 psm 给出与 pytesseract 相同的结果。
此外，tesseract 只能处理未压缩的 bmp 文件。因此，如果使用 ImageMagick 将 .pdf 转换为 .bmp，则以下将起作用
convert -density 300 -quality 100 mypdf.pdf BMP3:mypdf.bmp
tesseract mypdf.bmp -psm 6 mypdf txt
我正在尝试在 Ubuntu 上使用 pytesseract 和 tesseract 命令行将扫描的页面转换为文本。结果截然不同（pytesseract 比 tesseract 命令行执行得更好），我无法理解为什么。我查看了参数的默认值并尝试在 tesseract 命令行（如 psm ）中更改一些参数值，但我无法获得与 pytesseract 相同的结果。由于 pytesseract 中缺少适当的文档，我无法弄清楚使用的参数默认值。
这是我的 pytesseract 代码
print(pytesseract.image_to_string(Image.open('test.tiff'))
查看pytesseract的源代码，似乎总是将图像转换为.bmp文件。 在 Tesseract 的命令行中使用 .bmp 文件和 6 的 psm 给出与 pytesseract 相同的结果。 此外，tesseract 只能处理未压缩的 bmp 文件。因此，如果使用 ImageMagick 将 .pdf 转换为 .bmp，则以下将起作用
convert -density 300 -quality 100 mypdf.pdf BMP3:mypdf.bmp
tesseract mypdf.bmp -psm 6 mypdf txt