PyTesseract OCR返回乱码，多种调试操作无效求助

使用以下Python代码进行OCR识别时返回乱码文本，已尝试调整PSM配置、修改/移除图像滤镜、通过pip更新pytesseract等操作，问题仍未解决：

pytesseract.pytesseract.tesseract_cmd = "C:\Program Files (x86)\Tesseract-OCR\tesseract.exe"
def extract_text(image):
    gray = image.convert('L')
    enhancer = ImageEnhance.Contrast(gray)
    enhanced_image = enhancer.enhance(2)
    enhanced_image = enhanced_image.filter(ImageFilter.GaussianBlur(radius=.3))
    enhanced_image.save("processed_image.png")
    text = pytesseract.image_to_string(enhanced_image, config='--psm 12')
    print(f'{text=}')
    return text

@interactions.slash_command("predict", description="Predict the location of an uploaded image")
@interactions.slash_option("image", "Upload an image", opt_type=interactions.OptionType.ATTACHMENT, required=True)
async def predict(ctx: interactions.SlashContext, image: interactions.Attachment):
    await ctx.defer()
    url = image.url
    image = Image.open(requests.get(url, stream=True).raw).convert("RGB")
    enhancer = ImageEnhance.Contrast(image)
    enhanced_image = enhancer.enhance(1.3)

    # Convert the enhanced image to a tensor and ensure values are in the range [0, 1]
    transform = transforms.Compose([
        transforms.ToTensor()
    ])
    image_tensor = transform(enhanced_image).unsqueeze(0).to(device)

    extracted_text = extract_text(enhanced_image)

识别返回的乱码示例：

text = "m ms

nu MvInIA6=Fmcem'x4Ir;u
q Dnvuvauou 53523

3 mm nyzenq795nx3I)1r>cmePmoe:.x
- 531463 my

1; I92I)xl2I)0,IMHz

"

排查与解决步骤 #

1. 确认Tesseract语言包安装 #

Tesseract默认仅支持英文，如果目标图像包含其他语言（如中文），必须安装对应语言包，并在识别时指定语言参数：

• 下载对应语言包（如中文简体chi_sim）放入Tesseract的tessdata目录（通常是C:\Program Files (x86)\Tesseract-OCR\tessdata）
• 修改image_to_string的config参数，添加语言指定：

  text = pytesseract.image_to_string(enhanced_image, config='--psm 6 -l chi_sim+eng')  # 同时识别中英
  

2. 优化图像预处理流程 #

当前的预处理可能过度增强对比度或模糊导致文字失真，建议调整：

• 移除高斯模糊滤镜：模糊会弱化文字边缘，降低识别准确率
• 调整对比度增强系数：将enhance(2)改为enhance(1.5)或更低，避免噪点被过度放大
• 尝试二值化处理：将灰度图转为黑白二值，减少干扰
  修改后的extract_text示例：

  def extract_text(image):
      gray = image.convert('L')
      # 二值化处理（阈值可根据实际图像调整）
      threshold = 128
      binary_image = gray.point(lambda x: 0 if x < threshold else 255, '1')
      enhancer = ImageEnhance.Contrast(binary_image)
      enhanced_image = enhancer.enhance(1.5)
      enhanced_image.save("processed_image.png")
      # 切换更适合的PSM模式，比如--psm 6（假设文字为单一区块）
      text = pytesseract.image_to_string(enhanced_image, config='--psm 6 -l chi_sim+eng')
      print(f'{text=}')
      return text
  

3. 尝试匹配场景的PSM模式 #

不同PSM模式对应不同的文本布局，建议测试以下几种：

• --psm 3：默认模式，自动检测文本布局
• --psm 6：假设图像是单一统一的文本块
• --psm 11：适合稀疏分布的文本
  避免盲目使用--psm 12（极端稀疏文本场景），除非你的图像确实是零散的文字碎片。

4. 验证图像质量与预处理结果 #

• 打开保存的processed_image.png，检查预处理后的图像是否清晰：文字边缘是否锐利，有没有过多噪点或模糊
• 确保上传的原始图像分辨率足够，没有被压缩失真（建议分辨率不低于300DPI）

5. 更新Tesseract-OCR本体 #

仅更新pytesseract Python包不够，需确保Tesseract-OCR核心程序是最新版本：

• 前往Tesseract官网下载最新稳定版安装，覆盖旧版本
• 确认tesseract_cmd指向的是最新安装路径

内容的提问来源于stack exchange，提问作者billy