C#中Tesseract 4设置黑白名单无效果的技术求助

你遇到的问题核心在于LSTM引擎使用的黑白名单变量名与传统引擎不同，旧的tessedit_char_*系列变量仅对传统Tesseract引擎生效，而你使用的是EngineMode.LstmOnly，需要替换为LSTM专属的变量。

解决步骤 #

1. 替换变量名
   将原代码中的黑白名单变量替换为LSTM模式对应的名称：

   • 黑名单：lstm_choice_blacklist
   • 白名单：lstm_choice_whitelist

2. 确保变量生效
   部分版本的Tesseract需要在设置变量后重新初始化引擎，调用tesseract.Init()确保配置生效。

3. 可选：调整页面分割模式
   如果PageSegMode.Auto导致识别逻辑异常，可以尝试更具体的分割模式（如PageSegMode.SingleLine），让Tesseract更聚焦于目标文本区域。

修改后的代码 #

private TesseractEngine tesseract = new TesseractEngine(path, "eng", EngineMode.LstmOnly);

// 使用LSTM模式专属的黑白名单变量
tesseract.SetVariable("lstm_choice_blacklist", "ABCDEFGHIJKLMNOPQRSTUVWXYZ");
tesseract.SetVariable("lstm_choice_whitelist", "123");
// 重新初始化引擎确保变量生效
tesseract.Init();

using (var page = tesseract.Process(image, rec, PageSegMode.Auto))
{
    text = page.GetText(); // 此时应仅输出"123"
    using (var iterator = page.GetIterator())
    {
        iterator.Begin();
        do
        {
             string symbol = iterator.GetText(PageIteratorLevel.Symbol);
        } while (iterator.Next(PageIteratorLevel.Symbol));
    }
}

额外排查点 #

• 确认Tesseract版本：必须使用4.1及以上版本，该版本才修复了LSTM模式下黑白名单的支持问题。
• 图像预处理：如果图像存在噪声、模糊或倾斜，先进行二值化、去噪、矫正等预处理，能提升黑白名单的过滤效果。
• 训练数据检查：若使用自定义训练模型，需确保模型支持黑白名单过滤逻辑。

内容的提问来源于stack exchange，提问作者MR.ROBOT