提高速度 pytesseract OCR

Question

我正在使用 pytesseract v.0.1.5 和 tesseract v.3.02.02 来分析大量 jpeg 图像。质量非常好，但速度有点问题。

在我的设置（i5-4460、8GB Ram）中，OCR 需要大约 25 秒来处理 100 张图像 (1900x250)。在同一台机器上，同样基于 google 的 tesseract 代码的 Matlab 2014b OCR 速度提高了 30%。

是否可以修改 OCR 的设置（例如删​​除不需要的字典）以使其更快？我的文字只包含英文、数字和特殊字符/ 和-。

我正在通过标准方式使用命令：

pytesseract.image_to_string(im)

非常感谢，

哈利

Answer 1

pytesseract 是 tesseract cli 的精简包装器，如果您真的不需要 python api，只需调用普通 tesseract。使用包装器会增加开销。我不知道多少，根据您的平台，您有不同的分析工具来衡量它。在 linux 上有 perf：perf record yourcommand 用于记录，perf report 用于查看结果。

从代码中可以看出，您可以将语言限制为仅英语，您可以再次配置文件以查看它是否有任何区别。 https://github.com/madmaze/pytesseract/blob/master/src/pytesseract.py#L128