OCR字符识别故障：Tesseract识别车牌字符错误求助

针对GZX被误识别为624的问题，可通过以下针对性方案优化识别效果：

1. 限定识别字符集 #

车牌仅包含大写英文字母和数字，限定字符白名单能大幅降低字符混淆概率。在识别时添加白名单配置：

print(pytesseract.image_to_string(slice, config='--psm 7 --oem 3 -c tessedit_char_whitelist=ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789'))

2. 调整页面分割模式（PSM） #

当前使用的--psm 8是单字符识别模式，而车牌是连续单行文本，更适合--psm 7（单一文本行）或--psm 6（单一均匀文本块）模式，这类模式能让Tesseract更好利用字符上下文关系。

3. 优化图像对比度 #

Tesseract对白底黑字的识别效果优于黑底白字，可在预处理中添加图像反转操作：

# 阈值化后添加反转
img = cv2.threshold(img,0,255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)[1]
img = cv2.bitwise_not(img)  # 反转图像为白底黑字

4. 修复文本区域截取逻辑 #

原代码中循环截取文本框时，最后一个slice会覆盖之前的结果，可能只截取到部分字符。建议直接对整幅预处理后的车牌图像识别：

# 替换原截取逻辑，直接使用整图识别
print(pytesseract.image_to_string(img, config='--psm 7 --oem 3 -c tessedit_char_whitelist=ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789'))

完整优化代码示例 #

import pytesseract
import cv2

# 读取图像
img = cv2.imread("plate.jpg")
# 预处理流程
w,h,_ = img.shape
img = cv2.resize(img, (w*2,h*2))
img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
img = cv2.medianBlur(img,5)
img = cv2.threshold(img,0,255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)[1]
img = cv2.bitwise_not(img)  # 反转图像适配Tesseract识别习惯

# 执行识别
result = pytesseract.image_to_string(img, config='--psm 7 --oem 3 -c tessedit_char_whitelist=ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789')
print(result.strip())

内容的提问来源于stack exchange，提问作者Alejandro