Tesseract OCR：是否可以强制使用特定模式？答案

【问题标题】：Tesseract OCR: is it possible to force a specific pattern?Tesseract OCR：是否可以强制使用特定模式？
【发布时间】：2013-01-29 07:00:29
【问题描述】：

我正在使用 Tesseract，我想开发一个能够识别字符序列的应用。我取得了不错的成绩，但并不出色。

我想阅读的字符序列总是有一个特定的模式，比如说：

number number number char char -（例如：123AB）

有没有办法“告诉” ocr 引擎结构始终是固定的，以提高识别结果？

提前谢谢你。

【问题讨论】：

这篇文章"Limit characters tesseract is looking for"可能对你有用
谢谢，我看了一下，但没有帮助。关键是在我的序列中，我可以拥有所有可能的字符 [A-Z] 和数字 [0-9]，所以我不能使用任何限制。我掌握的唯一信息是前 3 个字符是数字，后 2 个字符是字符。
@stei2348：您可以对结果字符串进行一些后处理，例如将 I 转换为 1，反之亦然。或者对源图像进行预处理。

【解决方案1】：

在 Tesseract 中尝试bazaar 匹配模式：

\d\d\d\c\c

【讨论】：

根据文档：“注意：在选择要包含的模式时，请注意提供非常通用的模式会使 tesseract 运行速度变慢的事实......因为速度方面的潜在问题可能会很困难为了识别，每个用户模式必须至少有 kSaneNumConcreteChars 开头的 unicharset 中的具体字符。”这意味着该模式将被忽略，因为它的具体字符少于 4 个。 4 是 kSaneNumConcreteChars 的当前硬编码值。
我刚刚查看了 GitHub，似乎 kSaneNumConcreteChars 现在被硬编码为“0”。在这里亲自查看：github.com/tesseract-ocr/tesseract/blob/master/dict/trie.h

【解决方案2】：

可以使用“tessedit_char_whitelist”参数

【讨论】：