用于符号字符的 tesseract ocr 命令行

Question

我正在尝试在此图像上运行 tesseract-ocr，但未成功：

> wget http://i.imgur.com/dOtlrvx.png
...
> convert dOtlrvx.png dOtlrvx.tif
> tesseract dOtlrvx.tif out -psm 10 && cat out.txt
Tesseract Open Source OCR Engine v3.02 with Leptonica
Page 0
.

识别的字符是一个点“。”

-psm 10 代表“将图像视为单个字符”，因此我认为它是正确的选择。我也尝试了其他 psm 可能的值，它也不起作用。

任何人都知道为什么这不起作用？欢迎任何建议！

谢谢

Answer 1

为 tesseract 创建一个新的配置文件，添加这一行 tessedit_char_whitelist 0123456789 然后处理您的图像：tesseract dOtlrvx.tif out -psm 10 your_config_file。

这对我有用。