我正在尝试使用Ubuntu上的pytesseract和tesseract命令行将扫描页面转换为文本。结果是非常不同的（pytesseract执行方式比tesseract命令行更好），我无法理解为什么。我查看了参数的默认值，并尝试更改tesseract命令行中的一些参数值（如psm），但我无法获得与pytesseract相同的结果。由于pytesseract缺乏适当的文档，我无法弄清楚参数的默认值是什么。
这是我的pytesseract代码
print(pytesseract.image_to_string(Image.open('test.tiff'))
答案 0 :(得分：0)
查看pytesseract的源代码，似乎图像总是转换为.bmp文件。 在Tesseract的命令行中使用.bmp文件和psm为6会得到与pytesseract相同的结果。 此外，tesseract只能使用未压缩的bmp文件。因此，如果使用ImageMagick将.pdf转换为.bmp，则以下内容将起作用
convert -density 300 -quality 100 mypdf.pdf BMP3:mypdf.bmp
tesseract mypdf.bmp -psm 6 mypdf txt