Debian 12版Peppermint OS中Tesseract 5识别乱码问题求助

临时优化方案（无需降级） #

• 调整gImageReader的Tesseract参数：
  1. 打开gImageReader，进入偏好设置
  2. 切换到OCR引擎标签页，在Tesseract的额外参数栏添加：--psm 6（强制按单一连续文本块识别，减少空白区域的误识别）
  3. 可尝试其他页面分割模式（PSM），比如--psm 3（自动模式）或--psm 11（稀疏文本适配）
• 图片预处理：
  用GIMP等工具对识别图片做预处理：
  • 提升对比度、去除背景噪点
  • 裁剪掉无关的空白边缘
  • 将图片转为纯黑白（通过阈值调整强化文本边缘）

绕过依赖限制降级Tesseract 4.1.1 #

• 手动安装Debian 11版本的deb包：
  1. 从Debian官方仓库获取对应架构的tesseract-ocr、libtesseract4等相关依赖包
  2. 执行dpkg -i *.deb强制安装，若出现依赖错误，运行apt-get -f install尝试修复（注意：此操作可能破坏系统依赖链，需谨慎操作）
• 容器隔离运行：
  用Docker搭建Debian 11环境并安装Tesseract 4.1.1，配置gImageReader调用容器内的Tesseract可执行文件，实现版本隔离

排查Tesseract 5本身配置问题 #

• 检查语言包完整性：
  运行dpkg -l | grep tesseract-ocr-确认目标语言包是否安装，若缺失，执行apt install tesseract-ocr-[lang]（例如中文简体为tesseract-ocr-chi-sim）
• 重置Tesseract配置：
  删除用户目录下的自定义配置文件~/.config/tesseract/configs，恢复默认配置后重新测试

内容的提问来源于stack exchange，提问作者Real Bezo