Hey there! 看了你当前的代码和识别结果，确实右侧表格里的数字识别得乱七八糟——这主要是因为你的预处理步骤还不够针对性，没解决文档图像里的噪声、对比度不足、字符边缘模糊这些核心问题，尤其是表格区域的数字本身偏细，和背景的区分度本来就弱，简单的灰度+1x1核膨胀腐蚀根本起不到作用。

我给你整理了一套针对性的改进方案，一步步来优化：

核心改进思路 #

• 自适应阈值替代简单灰度化：普通灰度化没法应对文档里的不均匀光照、阴影，自适应阈值能根据局部区域亮度自动调整，把字符和背景彻底分开
• 针对性形态学操作：换掉没用的1x1核，用匹配数字形态的小核强化字符边缘，同时去除噪声
• 提前降噪：扫描/拍摄的文档总有斑点噪声，先降噪能让Tesseract更容易抓住字符轮廓
• 优化Tesseract配置：调整PSM模式和引擎参数，更适配表格类文本

调整后的完整代码 #

import cv2
import numpy as np
import pytesseract

path = '1.jpg'

# 读取图像并放大（你原来的插值方法没问题，保留）
img = cv2.imread(path)
img = cv2.resize(img, None, fx=1.8, fy=1.8, interpolation=cv2.INTER_CUBIC)

# 转灰度后先降噪：高斯模糊去除细斑点噪声
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (3, 3), 0)

# 自适应阈值二值化：把文本转为黑字白底（用INV是因为Tesseract更适配黑字白底）
# blockSize选奇数，代表局部计算阈值的区域大小；C是减去的常数，调整对比度
thresh = cv2.adaptiveThreshold(blurred, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
                               cv2.THRESH_BINARY_INV, 11, 2)

# 形态学操作：用横向小核膨胀，强化数字这类窄长字符的边缘
kernel = np.ones((2, 1), np.uint8)
processed_img = cv2.dilate(thresh, kernel, iterations=1)
# 可选：如果还有边缘噪声，做一次腐蚀去除
processed_img = cv2.erode(processed_img, kernel, iterations=1)

# 优化Tesseract配置：
# --oem 3 使用默认OCR引擎；--psm 6 假设每行是单一文本块，适配表格行
# 保留你的字符白名单，确保只识别需要的内容
custom_config = r'--oem 3 --psm 6 -c preserve_interword_spaces=1 -c tessedit_char_whitelist=0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ* '
text = str(pytesseract.image_to_string(processed_img, lang='eng', config=custom_config))

print(text)

额外调试建议 #

• 如果数字还是识别不准，可以尝试调整自适应阈值的blockSize（比如改成13、15）和C值（比如改成3、4），观察预处理后的图像效果
• 要是字符依然模糊，把放大比例fx/fy调到2.0试试
• 对于有明显表格线的文档，可以先检测并去除表格线，避免线条干扰数字识别

备注：内容来源于stack exchange，提问作者MKROSTM