运行时创建Vuforia图像目标遇阻：小尺寸文本目标识别失败求助

一、先把裁剪的图像本身优化好 #

• 拉高分辨率和像素密度：裁剪后的文本目标，单个字符至少要占30px以上（比如手机拍的12号印刷体，裁剪后每个字符尽量弄到50-100px）。裁剪完可以用OpenCV的cv2.resize选INTER_CUBIC插值放大，别直接硬拉导致模糊。
• 强化文本对比度：对裁剪图做阈值化处理，用cv2.threshold把文本转成纯黑纯白，去掉背景噪点；背景杂的话就用cv2.adaptiveThreshold自适应阈值，把文本边缘突出。
• 加个边框：给裁剪的文本加10%-20%宽度的纯色边框（比如白背景加黑框，反过来也行），Vuforia对有明确边界的目标识别率更高，尤其是小尺寸的。

二、调整Vuforia的目标配置 #

• 手动填物理尺寸：上传Target Manager时，别让系统自动检测尺寸，手动输文本实际的物理宽度（比如裁剪的文本实际宽2cm就填2cm）。小目标尺寸设错的话，识别算法直接跑偏。
• 开增强识别模式：在Vuforia配置里打开“Max Simultaneous Targets”和“Extended Tracking”，小目标的跟踪稳定性会提升；初始化识别时，把这个文本目标的setTargetTrackingRating拉到最高优先级。
• 传多尺度样本：单尺寸评分低的话，生成同一文本的1.5倍、2倍放大版，传到同一个目标数据库里，让Vuforia识别时能匹配不同大小的样本。

三、优化OCR和裁剪逻辑 #

• 别卡着最小框裁剪：不要只裁第一个词的最小包围框，往外多扩10-15像素的边，背景干净的话留一点背景，增加目标独特性；背景乱就只留文本，但一定要保证字符没被截断。
• 核对Tesseract的定位精度：用Tesseract的image_to_data接口拿每个词的边界框坐标，确认裁剪区域完全覆盖文本，没切到字符。别因为OCR定位不准，导致裁剪的目标本身就不完整。

四、测试时抓准关键点 #

• 看Target Creator的具体失败原因：上传后别只看星级，看工具给出的具体问题（比如“纹理对比度低”“目标尺寸太小”），针对性调，比瞎试有用。
• 控制拍摄距离：实际测试时，小目标的拍摄距离控制在10-30cm（根据实际物理尺寸调整），太远的话像素不够，肯定识别不出来。

内容的提问来源于stack exchange，提问作者user23307054