关闭 pytessaract 的英语词典单词（对于 alpr 系统）

Question

我正在使用 pytessaract 将车牌的图像转换为文本，这样的事情

tools = pyocr.get_available_tools()
if len(tools) == 0:
    print("No OCR tool found")
    exit(1)

# The tools are returned in the recommended order of usage
tool = tools[0]
print("Will use tool '%s'" % (tool.get_name()))
# Ex: Will use tool 'libtesseract'

langs = tool.get_available_languages()
print("Available languages: %s" % ", ".join(langs))
lang = langs[0]
print("Will use lang '%s'" % (lang))

这就是我的阅读方式我将所有可能的字符列入白名单

text = pytesseract.image_to_string(Image.open('images/text.jpg'), config= "-c tessedit_char_whitelist=0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ")

现在 pytessaract 正在阅读它，就好像它在寻找字典单词一样这给出了不太理想的结果有一种方法可以转换字典单词，但我不知道如何在 python 那是我的问题谢谢

Answer 1

添加禁用系统和频繁DAWG的配置文件

load_system_dawg     F
load_freq_dawg       F

配置文件应放在 tessdata/configs 目录中（例如：tessdata/configs/config）并在 Init 过程中传递给 tesseract。
我不是 100% 相信 pytesseract 是如何完成的，但我相信你可以在这里详细说明。

init() 函数签名是这样的：

const char *    datapath,
const char *    language,
OcrEngineMode   oem,
char **     configs,
int     configs_size,
const GenericVector< STRING > *     vars_vec,
const GenericVector< STRING > *     vars_values,
bool    set_only_non_debug_params

所以你需要将configs设置为指向"config"和[=19=的指针] 到 1

所以可能是这样的，你可以详细说明让它工作：

api = tesseract.TessBaseAPI()
api.Init(".","eng",tesseract.OEM_TESSERACT_ONLY, POINTER(ctypes.c_char_p("config")), 1, None, None, False)

编辑：
另请注意，禁用 DAWG 可能无法解决您的问题。如果我是你 - 我会简单地遍历结果的备选方案并以最高的置信度获取字母（如果 DAWG 搜索打开 - 默认字母不会总是具有最高置信度的字母）并更多地提高输入图像质量，如所述here.

关闭 pytessaract 的英语词典单词（对于 alpr 系统）

Turning off English dictionary word for pytessaract (for an alpr system)

python

tesseract

image-processing

python-tesseract