Предельные символы tesseract ищет

Можно ли ограничить набор символов, которые ищет tesseract (например, поиск только для букв az)? Это значительно улучшит мои результаты.

Создайте файл конфигурации (например, «буквы») в каталоге tessdata / configs – обычно /usr/share/tesseract/tessdata/configs
или
/usr/share/tesseract-ocr/tessdata/configs

И добавьте эту строку в файл конфигурации:

 tessedit_char_whitelist abcdefghijklmnopqrstuvwxyz

… или, может быть, [az] работает .. dunno 🙂
Затем вызовите tesseract, подобный этому:

 tesseract input.tif output nobatch letters

Это ограничит tesseract, чтобы распознать только нужные символы

В дополнение к конфигурационному файлу, флаг -c :

 tesseract stdin stdout -c tessedit_char_whitelist=abcdefghijklmnopqrstuvwxyz -psm 6

Просто добавьте это для тех, кто использует tesseract на Android. В вашей функции readOCR, где вы устанавливаете язык и т. Д., Добавьте следующую строку;

 tesseract.setVariable("tessedit_char_whitelist","ABCDEFGHIJKLMNOPQRSTUVWXYZ");

вы также можете сделать blackList для исключения символов.

Чтобы использовать белый список в файле конфигурации или с помощью -c tessedit_char_whitelist=... командной строки -c tessedit_char_whitelist=... , в новейшей версии 4.0 вам нужно будет установить режим OCR Engine в «Только оригинальный Tesseract». Это связано с тем, что новый режим «Нейронные сети LSTM» не учитывает настройку белого списка. Пример правильной командной строки для версии 4.0: