Python pytesseract-找不到针对oem 2的eng.traineddata

Question

我正在尝试从简单的图像中提取文本。

当我使用默认引擎（OEM 3）时，文本被提取（效果不佳）。我想使用其他引擎（OEM 2）来查看输出是否可以改善。

import pytesseract

#this is the config that gives a poor output
config = '--tessdata-dir "C:/Program Files/Tesseract-OCR/tessdata" -l eng --oem 2 --psm 6'
text = pytesseract.image_to_string(crop, config=config)

[当我尝试通过选项更改引擎时，出现错误，提示未找到语言文件：

#experimental config
config = '--psm 6'
text = pytesseract.image_to_string(crop, config=config)

您可以看到，我正在显式传递eng.traineddata目录，但找不到语言文件。
我有两个问题：
如何通过第一个配置文件提高OCR的质量？
为什么找不到语言文件？我有eng.traineddata，eng.user-patterns和eng.user-words在提到的文件夹中，以及在那里安装的一些其他文件和文件夹。

我还确保我的环境变量正确（因此第一个配置文件可以工作）。

谢谢

Answer 1

[执行OCR时，在将图像放入Pytesseract中之前对其进行预处理非常重要。特别是对于此图像，我们可以删除水平和垂直网格线。这是预处理后的图像：

Pytesseract OCR的结果

XXX XXX XXX XXX XXX XXX XXX XXX XXX XXX
89 987 98 7 987 9 789 87 987 9
978 9 78 978 9 789 78 987 9
78 987 9 78 *978 97/8 %9 “78 978 9
78 978 978 978 978 98 9
78 978 978 978 978 978 987 978 7897
978 9 9 78 9 89 98 978 9

代码
import cv2
import pytesseract

pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"

# Remove horizontal and vertical lines
image = cv2.imread('1.png')
kernel_vertical = cv2.getStructuringElement(cv2.MORPH_RECT, (1,50))
temp1 = 255 - cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernel_vertical)
horizontal_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (50,1))
temp2 = 255 - cv2.morphologyEx(image, cv2.MORPH_CLOSE, horizontal_kernel)
temp3 = cv2.add(temp1, temp2)
result = cv2.add(temp3, image)

data = pytesseract.image_to_string(result, lang='eng',config='--psm 6')
print(data)

cv2.imshow('result', result)
cv2.waitKey()