OpenCV tesseract无法检测到图像中的单个数字

Question

我在用tesseract和python。它可以识别几乎所有带有2个或更多数字或字符的图像

我不想用“仅数字”来训练tesseract，因为我也可以识别字符。

但是tessearact无法识别附件的图像

Answer 1

我认为问题是由粗体造成的。 删除该数字后，就可以正确识别该数字。

上图是校正后的图像：

如果您有兴趣，这里是代码：

import cv2
import numpy as np
import pytesseract


def discard(image):
    image = np.uint8(image)
    _, im_label, stts, _ = cv2.connectedComponentsWithStats(image, connectivity=4)

    msk1 = np.isin(im_label, np.where(stts[:, cv2.CC_STAT_WIDTH] > 100)[0])
    msk2 = np.isin(im_label, np.where(stts[:, cv2.CC_STAT_HEIGHT] > 100)[0])

    image[(msk1 | msk2)] = 0
    return image


img = cv2.imread("check_img.jpg", 0)

# Binarization
thresh = 255 - img
ret, thresh = cv2.threshold(thresh, 5, 255, cv2.THRESH_BINARY)

# removing long connected-components
thresh = discard(thresh)

# remove noise
thresh = cv2.medianBlur(thresh, 3)

# invert again 
thresh = 255 - thresh

# showing the image
cv2.imshow("img", thresh)

# Using Tesseract OCR
custom_config = r'--oem 3 --psm 6'
text = pytesseract.image_to_string(thresh, config=custom_config)

print(text)

cv2.waitKey(0)