pytesseract 5.0.0返回混合数字和字母的非有意义结果

Question

问题：

我想从这样的图像中提取文本，即字母和数字的组合：

可以看到，图像可能处于不同的方向，有时它们像第一个带有白色圆圈的噪声一样包含噪声。但是文本始终以字母“ BF”开头，后跟10位数字。我认为tesseract应该很容易实现。仍然以某种方式不起作用！

解决方案到目前为止，我已经累了。首先是pytesseract版本，因为它对我搜索的内容（使用Python 3.7.3）似乎很重要：

import pytesseract
pytesseract.get_tesseract_version()
'5.0.0-alpha.20190708'

在this answer和this one中，我尝试了应该可以使用混合数字和字母的配置，如下所示：

from PIL import Image
import pytesseract
print(pytesseract.image_to_string(Image.open('image.jpg')), config='tessedit_char_whitelist=01234ABCDEF'))

但结果：

• 第一张图片：“盐磅：\ n \ nbe）是）
• 第二张图片：“
• 第三张图片：“ OS26S0S061 38”

这太可怕了。我尝试了配置的各种组合，但是没有任何效果！我也确认可以通过Azure Cognitive Services之类的免费在线认知服务在线版本轻松提取这些文本，因此图像本身不是问题，我想我在pytesseract中使用正确的配置还是在最新的配置中遇到困难版本有错误！

Answer 1

image processing to improve tesseract OCR accuracy或ImproveQuality，甚至还有Accuracy difference between Tesseract and others