将.traineddata与passportEye Python结合使用用于MRZ

Question

我正在尝试使用 tesseract ocr 和 passportEye 提高护照机读区读取的准确性，我发现很少有 github 存储库包含“*.traineddata”，它说将其移动到 tesseract ocr tessdata 文件夹中，我就是这么做的。这些存储库的自述文件中没有说明如何使用它，我相信这是一件微不足道的事情，但我对这个超正方的东西非常陌生。

如何在Python中将它与passportEye一起使用，我在这里完全迷失了。搜索了很多。这是当前的代码。

import os
from passporteye import read_mrz

pr_path = os.getcwd()
file_path = os.path.join(pr_path,'my_app', 'data')
mrz = read_mrz(file_path + '/test1.jpg') 

print(mrz)

这是我想要测试更高准确性的 .traineddata 文件：

https://github.com/DoubangoTelecom/tesseractMRZ/blob/master/tessdata_best/mrz.traineddata

我不想使用笨重的 openCV。请帮忙

Answer 1

从查看源代码来看，我会说如果不更改 PassportEye 的代码库，你就不能：

通常您会通过以下方式传递您正在使用的语言：

-l

参数到超立方体 - 在您的情况下：

-l mrz

但是 PassportEye 实现并没有给你这个选项：

https://github.com/konstantint/PassportEye/blob/929c186c4dfa80a1ac975b5f2b95002ca12889d0/passporteye/util/ocr.py#L48

他们传递了 lang=None，您需要将该部分更改为 lang=mrz

pytesseract.run_tesseract(input_file_name,
                          output_file_name_base,
                          'txt',
                          lang='mrz',
                          config=config)

Answer 2

我设法通过直接替换 tesseract 中的 eng.traineddata 来使用

mrz.traineddata

 和 Passporteye。

我下载了

mrz.traineddata然后在终端中执行

sudo cp ./mrz.traineddata /usr/share/tesseract-ocr/4.00/tessdata/eng.traineddata 然后我就可以在Python中运行

passporteye.read_mrz()

而不需要做任何额外的修改

mrz= passporteye.read_mrz(filename)