Pytesseract OCR因为有横线而无法识别小字。

Question

我刚刚开始探索pytesseract。我面临的问题是这样的。

我有以下的输入图像

现在，当我试着在上面运行OCR时，我得到了以下输出。

谢谢你的注册 现在你可以选择你喜欢的枕头了。

选项AB

在对多个图像样本进行尝试后，我可以安全地得出以下结论。

1. 它是 不 一个非听写的字罚。
2. 它正在省略短的字。几乎就像它有一个最小宽度，正在生效，并否决任何宽度小于该宽度的线。
3. 只有当输入图像周围有边界矩形时才会发生这种情况。如果我把它从输入图像中删除，我就会得到正确的输出。

即在下面的图像上，我得到了以下输出。

我得到了以下输出

谢谢你的报名。现在你可以挑选你喜欢的枕头了。

选项

本节

选项AB

我想不通我到底是哪里出了问题。这是我使用的代码。

from PIL import Image
import pytesseract
import argparse
import cv2

image = cv2.imread('testImage.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
gray = cv2.threshold(gray, 240, 255, cv2.THRESH_BINARY)[1]

filename = "intermediate.png"
cv2.imwrite(filename, gray)

im = Image.open(filename)
text = pytesseract.image_to_string(im)
print(text)

我试着修改了一些配置参数 (crunch_del_min_width, 语言模型_最小复合长度。，和其他一些人）也是，但没有任何帮助。

Answer 1

解决方案在这里找到。Pytesseract OCR的多个配置选项

我的代码原本和你的一样（第1行），我也遇到了同样的错误。对我来说，有效的方法是在配置参数中设置psm=10，允许单字符识别。

代码有时会返回None。

line 1 : text = pytesseract.image_to_string(cropped)

在下一行添加了代码。

line 2 : text = text if text else pytesseract.image_to_string(cropped, config='--psm 10')

第一行将尝试提取句子。如果它成功了，第二行会保持相同的值。然而，如果它返回None，它将寻找单个字符（允许输出较小的单词）。

另外，如果你只是想抓小字。

line 1 : text = pytesseract.image_to_string(cropped, config='--psm 10')