pytesseract 有哪些参数

PyTesseract 是一个 Python 库，用于将图像中的文本转换为可编辑的字符串，通常与 Tesseract OCR（Optical Character Recognition，光学字符识别）引擎结合使用。它提供了方便的接口来处理光学字符识别任务。以下是一些常见的 PyTesseract 参数：

1. `image_path` 或 `image`: 必需，指定待识别图像的路径或文件对象。

2. `lang` 或 `language`: 语言代码，用于设置要识别的语言，默认值通常是 'eng' (英语)。可以指定多个语言，用 "+" 分隔。

3. `config` 或 `custom_config`: 配置选项，可以自定义 Tesseract 的行为。例如，`--psm 7` 可以设置页面分割模式（Page Segmentation Mode）。

4. `oem`: Tesseract OCR 使用的引擎模型，支持 `OEM_TESSERACT` (0) 和 `OEM_LSTM` (1)。默认使用 LSTM 引擎。

5. `psm`: 页面分割模式，控制 OCR 对图像区域的处理方式。

6. `debug` 或 `logger_level`: 输出调试信息，如设置为 `True` 或 `'INFO'` 可以看到更详细的 logs。

7. `boxes` 或 `box_output`: 是否返回文字区域的边界框信息，默认不返回。

8. `output_type`: 结果类型，可以选择 `OUTPUT_TEXT`、`OUTPUT_DATA`（二进制数据）或 `OUTPUT_RAW`（原始识别结果）。

9. `strip_accents` 或 `remove_spaces`: 控制是否移除识别出的文本中的重音符号或空格。

10. `threshold` 或 `min_confidence`: 设置识别字符的最小置信度阈值，低于该阈值的结果会被忽略。