Tesseract全新安装后识别结果全为乱码，求故障排查方案

核心问题分析 #

你遇到的乱码问题，本质是Tesseract默认训练数据无法匹配图片中的特殊像素字体，再加上Windows环境下可能存在路径配置缺失、图片预处理不足等问题，导致识别完全失效。

针对性解决方法 #

1. 配置Tesseract路径（Windows必做） #

Windows环境下pytesseract无法自动定位Tesseract执行文件，需在代码中显式指定：

pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

路径请根据你的实际安装目录调整

2. 添加图片预处理步骤 #

目标图片是低分辨率像素字体，需通过预处理提升识别精度：

• 转为灰度图消除色彩干扰
• 反转颜色让文字变为深色、背景为浅色
• 二值化强化文字边缘

3. 调整OCR引擎与分割参数 #

使用--oem 3（混合引擎模式）和--psm 6（单文本块假设），适配你的图片类型。

修改后的完整代码 #

import pytesseract
from PIL import Image, ImageOps

def main():
    # 指定Tesseract安装路径
    pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
    
    image = Image.open("mac.jpg")
    # 图片预处理
    image = image.convert('L')  # 转灰度
    image = ImageOps.invert(image)  # 颜色反转
    image = image.point(lambda x: 0 if x < 127 else 255, '1')  # 二值化
    
    # 带参数执行OCR
    str_response = pytesseract.image_to_string(image, config='--oem 3 --psm 6')
    print(str_response)

if __name__ == "__main__":
    main()

进阶优化（如果上述方法仍无效） #

如果特殊字体还是无法识别，需要训练自定义Tesseract语言包：

1. 收集该字体的样本图片
2. 使用Tesseract的tesstrain工具生成自定义训练数据
3. 将生成的.traineddata文件放入Tesseract的tessdata目录
4. 在代码中指定lang参数调用自定义模型：

   str_response = pytesseract.image_to_string(image, lang='custom_font', config='--oem 3 --psm 6')
   

内容的提问来源于stack exchange，提问作者Chapo