提高pytesseract图片识别的准确度

前言

由于pytesseract提取图片的准确度太低，不足以提取代码以进行后续的检查，所以要提高图片识别的准确度。

一、图片二值化处理

对一个图片进行处理，使其更加容易被识别。

处理过程中发现生成的文件很小，没有什么内容，说明识别的过程出了问题。

后来使用cv2.threshold函数处理，可以把一个图片相对清楚地显示出来，但是要使不同的图片显示地更加清晰，要对应不同的阈值；
发现阈值的确定和图片的底色有关系。

对图片进行灰度处理，效果有提升但不明显：

二、样本训练

即丰富tesseract的语言库，使其更加熟悉我所要提取的内容（代码），进而提高识别的准确度。

需要下载jTessBoxEditor。

使用jTessBoxEditor.exe，选择样本图片，生成tif文件；
用管理员模式打开命令行输入指令：

tesseract.exe a.tif b batch.nochop makebox

a.tif为刚才生成的tif文件，生成文件b.box；
再用jTessBoxEditor.exe打开box文件进行调试：