设置白名单:让tesseract-OCR只识别指定内容

有时我们需要用tesseract-ocr只识别指定类型的数据,如:仅识别英文字母或数字。此时可设置白名单，让tesseract-ocr只输出我们需要的结果。

1.打开tesseract-ocr安装路径下的tessdata/configs/digits文件，可以看到里面有一个tessedit_char_whitelist，将其设置成我们需要得到的识别结果。

如：tessedit_char_whitelist ABCD

2.在调用命令时，需要加上我们设置的文件名：tesseract xxx.png outfilename -psm 6 digits

注：

tesseract提供了OCR引擎模式。有如下四种

• 0 =仅限原始Tesseract
• 1 =只有神经网络LSTM
• 2 =Tesseract + LSTM
• 3 =基于可用的默认值

目前LSTM是无法支持白名单的

我们需要选择第0种模式，指令如下：

tesseract --oem 0 1.png outfileName digits

注意:使用第0种模式会降低识别准确率