如何使tesseract只识别数字，当他们混合字母？
我想用tesseract只识别数字。 问题是我有混合
数字和字母，当我使用SetVariable（“tessedit_char_whitelist”，“0123456789”）
对于每个符号tesseract返回错误的数字。
我可以设置一个阈值，以便tesseract省略相似度较低的符号吗？
注：我设置tesseract只识别数字，所以没有0和0之间的混淆。
只识别数字实际上是在tesseract常见问题页面上回答的。 看到这个页面的更多信息，但如果你有版本3包，configuration文件已经build立。 你只需在命令行中指定：
tesseract image.tif outputbase nobatch digits 至于门槛值，我不确定你的意思。 如果你的input是一个不寻常的字体，也许你可能会重新训练你的input样本。 另一种方法是更改tesseract的修剪阈值。 FAQ中也提到了这两个选项。
对于tesseract 3，根据FAQ ，该命令更简单的tesseract imagename outputbase digits 。 但这对我来说并不适用。
我转而尝试不同的psm选项，并发现-psm 6最适合我的情况。
man tesseract的细节。
对于tesseract 3，我尝试根据FAQ创buildconfiguration文件。
在调用一个Init函数之前，或者把它放在一个名为tessdata/configs/digits的文本文件中：
tessedit_char_whitelist 0123456789
然后，它通过使用命令： tesseract imagename outputbase digits
您可以指示tesseract仅使用数字，如果这不够准确，那么获得更好结果的最佳机会是进行低谷训练过程： http : //www.resolveradiologic.com/blog/2013/01/15/training-正方体/
我做了一些有点不同（与苔丝二）。 也许这对别人有用。
所以你需要先初始化API。
TessBaseAPI baseApi = new TessBaseAPI(); baseApi.init(datapath, language, ocrEngineMode);
然后设置下列variables
baseApi.setPageSegMode(TessBaseAPI.PageSegMode.PSM_SINGLE_LINE); baseApi.setVariable(TessBaseAPI.VAR_CHAR_BLACKLIST, "!?@#$%&*()<>_-+=/:;'\"ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz"); baseApi.setVariable(TessBaseAPI.VAR_CHAR_WHITELIST, ".,0123456789"); baseApi.setVariable("classify_bln_numeric_mode", "1");
这样引擎将只检查数字。
如果你想匹配0-9
tesseract myimage.png stdout -c tessedit_char_whitelist=0123456789
或者，如果几乎要匹配0-9，但是有一个或多个不同的字符
tesseract myimage.png stdout -c tessedit_char_whitelist=01234ABCDE
我所做的就是承认一切，当我有文字的时候，我把所有的字符都拿出来，除了数字
//This replaces all except numbers from 0 to 9 recognizedText = recognizedText.replaceAll("[^0-9]+", " ");
这对我来说很好。
