Tesseract OCR 配置参数详解

Tesseract OCR 配置参数详解

--psm 6 -l eng 是传递给 Tesseract OCR 引擎的配置参数，用于控制 OCR 处理方式和语言设置。以下是详细解释和代码示例：

配置参数含义

Python

config = '--psm 6 -l eng'

1. --psm 6：

   • PSM（Page Segmentation Mode）表示页面分割模式

   • 数值 6 表示 假设图像是一个统一的文本块

   • 适合处理单列文本、表格单元格或图像中的单个文本区域

   • 其他常见PSM模式：

     • --psm 3：完全自动分割（默认）

     • --psm 4：按列分割文本

     • --psm 7：将图像视为单行文本

     • --psm 11：稀疏文本（仅识别字母和数字）

2. -l eng：

   • -l 参数指定使用的语言

   • eng 表示使用英语语言模型

   • 支持的语言代码：

     • chi_sim：简体中文

     • chi_tra：繁体中文

     • jpn：日语

     • kor：韩语

     • fra：法语

     • 可同时指定多种语言：-l eng+chi_sim

3.         config = ('--psm 7 '  # 单行文本模式'-l eng ''--oem 1 ''-c tessedit_char_whitelist=ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789')