如何在Python中关闭pytesseract的英文词典功能以优化车牌识别

这个问题我之前帮不少人解决过——Tesseract默认的词典匹配机制确实会拖后腿，尤其是车牌这种完全靠字符序列而非语义的识别场景。直接上解决方案：

核心是通过Tesseract的配置参数关闭系统词典和频率词典的加载，同时配合合适的页面分割模式和字符白名单，就能让识别结果更贴合车牌的实际字符。

关键配置参数解析 #

• --oem 3：使用混合OCR引擎模式（兼容新旧版本Tesseract），如果你的Tesseract版本较新（4.x+），也可以用--oem 1只启用LSTM引擎，关闭词典的参数对两种模式都有效。
• --psm 8：告诉Tesseract将输入图像视为单个词（车牌刚好符合这个场景），如果是拆分后的单个字符识别，也可以用--psm 10，但车牌整体识别用8更高效。
• -c load_system_dawg=0：关闭系统词典加载，避免Tesseract优先匹配词典里的词汇。
• -c load_freq_dawg=0：关闭频率词典加载，进一步减少词典对字符识别的干扰。
• -c tessedit_char_whitelist=ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789：限定识别的字符范围，只保留车牌可能出现的字母和数字（如果是国内车牌，记得加上对应汉字）。

完整Python代码示例 #

import pytesseract
from PIL import Image

# 加载你的车牌图像
license_plate_img = Image.open("your_license_plate.jpg")

# 自定义Tesseract配置，重点是关闭两个词典
custom_tesseract_config = r'--oem 3 --psm 8 -c load_system_dawg=0 -c load_freq_dawg=0 -c tessedit_char_whitelist=ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789'

# 执行识别
recognized_text = pytesseract.image_to_string(license_plate_img, config=custom_tesseract_config)

# 清理结果（去除多余的空格、换行）
cleaned_result = recognized_text.strip()
print(f"识别到的车牌内容：{cleaned_result}")

额外注意事项 #

如果是识别国内含汉字的车牌，需要做两个调整：

1. 把汉字加入白名单，比如：-c tessedit_char_whitelist=京津冀晋蒙辽吉黑沪苏浙皖闽赣鲁豫鄂湘粤桂琼渝川黔滇藏陕甘青宁新ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789
2. 在image_to_string中指定中文语言包：pytesseract.image_to_string(..., lang='chi_sim', config=...)，确保你已经安装了Tesseract的中文语言包。

内容的提问来源于stack exchange，提问作者stackoverflow1234