Tesseract配置不生效求助：仅识别数字设置无效

嘿，我一眼就看出问题出在哪了——你用的配置参数不对，Tesseract根本不认outputbase digits这个用来限制识别字符的设置！

问题根源 #

outputbase是Tesseract用来指定输出文件前缀的参数，完全不是用来约束识别字符范围的，所以你的这个配置相当于无效输入，自然会被忽略。

正确的配置方式 #

要让Tesseract只识别数字，你需要用两个关键配置：

• -c tessedit_char_whitelist=0123456789：强制Tesseract只从0-9这些数字里识别内容
• --psm 6：设置页面分割模式为“假设一个单一的统一文本块”，这个模式对单块数字识别非常友好（如果你的图片是单个独立数字，可以换成--psm 10）

修改后的完整代码 #

from PIL import Image
import pytesseract as tes
import glob

tes.pytesseract.tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract'
a = glob.glob(r'C:\Users\Pascal\Desktop\visible\*.png')

for imgPath in a:
    casd = Image.open(imgPath).convert('L').point(lambda x: 0 if x < 200 else 255, '1')
    # 替换成正确的识别配置
    im = tes.image_to_string(casd, config='--psm 6 -c tessedit_char_whitelist=0123456789')
    print(im)

额外小提示 #

你的图片二值化预处理做得还不错，但如果还是有识别偏差，可以检查下预处理后的图片：数字是否清晰、有没有被噪点干扰，必要时可以增加降噪或者简单的形态学操作（比如膨胀/腐蚀）优化图片质量。另外，Tesseract 4.0 alpha版本确实比较老旧，条件允许的话升级到稳定版，能提升识别精度和兼容性。

内容的提问来源于stack exchange，提问作者WhatAMesh