我目前正在尝试编写一个机器人，在tetrisfriends.com上玩俄罗斯方块来练习机器学习，但遇到了困难。我试图找到一种方法从游戏中读取玩家的得分，但Tesseract无法识别字体/数字，我认为我无法重新训练Tesseract来识别这些数字，因为这不是一个完整的字体，只是一些数字。

我试图读取数字的图像是这个：https://i.sstatic.net/7mCsv.jpg

当我使用Tesseract时，我可以识别页面上的其他文字，但无法识别我需要的数字部分。

有没有人有方法可以做到这一点，无论是通过重新训练Tesseract，还是其他方法，或者任何其他方式？

回答：

我对Tesseract并不是很熟悉，但它可能不是这里的最佳选择。如果最终目标只是制作一个机器人，你可能可以直接从应用程序中提取文本，而不是担心光学字符识别（OCR），但如果你想了解更多关于机器学习的知识，并且你还没有做过的话，MNIST和CIFAR-10数据集是非常好的起点。

无论如何！你试图测试的图像对比度非常低，字体也非常风格化。从网站本身来看，字符似乎是黄色的：

如果你预处理图像，使黄色像素变为黑色，其他所有像素变为白色，你将获得一个更清晰的源图像，例如：

如果你想继续使用Tesseract，并且预处理还不够，那么你可能需要为这种字体重新训练它。你需要准备一个语料库，按照你期望的源数据的方式处理它，然后使用类似qt-box-editor的东西来校正数据。这篇指南应该可以引导你完成重新训练的基本步骤。