Pytesseract 将一组字符串列入白名单

Question

我正在尝试从报告中的报告中检测文本作为图像。该报告始终具有相同的结构。

例如 请参阅下面的图片

Google找到的示例。

实际报告主要包含来自航空业的内部缩写，而Pytesseract无法正确识别。

该程序必须仅识别CC，C1，...，参数名称（字符串列表） +数字。因此，基本上，我正在寻找一种将几个字符串和所有数字的白人主义者的方法。这是在Pytesseract中指定的可能性吗？ 到目前为止，我只找到了Tessedit_char_whitelist，不幸的是，这对我没有帮助。

到目前为止，我所做的事情：

import cv2
import pytesseract as pt
import pandas as pd
import numpy as np

filename = 'Rep15_4.jpg'
img = cv2.imread(filename)


# best resutls!!!
#config = r'--oem 1 --psm 4'
# or
#config = r'--oem 1 --psm 6'
# or 
#config = r'--oem 3 --psm 4'

config = r'--oem 3 --psm 4'
text = pt.image_to_string(img, config = config)

对于配置，我尝试了OEM和PSM的所有选项。最重要的是，我试图用CV2 - ＆GT来操纵图像。 cvtcolor，高斯布鲁尔，阈值。最有问题的是0个值。

感谢您的帮助。