pytesseract config

Pytesseract是一个Python库，用于从图像中识别文本，它利用Tesseract OCR引擎作为基础。当你使用Pytesseract时，`config`参数允许你定制OCR解析过程的一些设置。配置可以包含以下几个方面：

1. **语言和字符集**: `lang`参数指定识别的语言，如`'eng'`代表英文，`'chi_sim'`代表简体中文。

2. **改进质量**: 使用`OEM`选项，例如`OEM_PSM`（页面结构模式），可以选择不同的处理模式，如PSM_7（分割单词）或PSM_8（分割段落）。

3. **噪声处理**: `config`可以包含自定义的命令行参数，比如`--psm 6`, `-c tessedit_char_whitelist=0123456789`来调整字符过滤和噪声去除。

4. **抗干扰**: `-l digits`可以让Tesseract只识别数字，减少其他字符的影响。

5. **输出格式**: 可能需要指定输出的文本格式，如纯文本、XML等。

常用的一些配置示例有：

import pytesseract
config = r'--oem 3 --psm 6 -c tessedit_char_whitelist=0123456789'
text = pytesseract.image_to_string(image_path, config=config)