用pytesser识别简单的数字

Question

我使用PyTesser和Tesseract学习OCR。作为第一个里程碑，我想写一个工具来识别只包含一些数字的验证码。我阅读了一些教程并编写了这样一个测试程序。

from pytesser.pytesser import *
from PIL import Image, ImageFilter, ImageEnhance

im = Image.open("test.tiff")
im = im.filter(ImageFilter.MedianFilter())
enhancer = ImageEnhance.Contrast(im)
im = enhancer.enhance(2)
im = im.convert('1')
text = image_to_string(im)
print "text={}".format(text)

我用下面的图片测试了我的代码。但结果是2(T?770。我也测试了一些其他类似的图像，在80％的情况下，结果是不正确的。

我不熟悉成像处理。我在这里有两个问题：

1. 是否可以告诉PyTesser仅猜数字？

2. 我认为图像很容易让人阅读。如果PyTesser难以读取仅数字图像，有没有其他选择可以做更好的OCR？

非常感谢任何提示。

Answer 1

我认为您的代码非常好。它可以识别207770。问题出在pytesser安装。 Tesseract中的pytesser已过期。您将下载最新版本并覆盖相应的文件。您还可以修改pytesser.py并更改

tesseract_exe_name = 'tesseract'

到

import os.path
tesseract_exe_name = os.path.join(os.path.dirname(__file__), 'tesseract')