Python-tesseract OCR分词异常：单词ADRIEL被错误拆分求助

我使用Python-tesseract OCR工具识别单词“ADRIEL”时，OCR错误地将其拆分为两行内容：

[ADRI
EL

待识别图片：

我的代码片段：

import pytesseract
import cv2

image = cv2.imread("cnh_nome2.png")

gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

pytesseract.pytesseract.tesseract_cmd = r"C:\Users\..."

text = pytesseract.image_to_string(gray_image, lang="por")

print(text)

优化方案 #

• 增强图像对比度：对灰度图做二值化处理，突出字符边缘，减少背景干扰：

  # 自适应阈值二值化
  thresh_image = cv2.adaptiveThreshold(gray_image, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)
  

• 强制单行识别+字符白名单：通过Tesseract配置参数限定识别范围，避免换行拆分：

  # 配置参数：单行识别+仅允许大写字母和左括号
  custom_config = r'--oem 3 --psm 7 -c tessedit_char_whitelist=ABCDEFGHIJKLMNOPQRSTUVWXYZ['
  text = pytesseract.image_to_string(thresh_image, lang="por", config=custom_config)
  

  其中：
  • --psm 7：指定图像为单行文本，禁止自动换行拆分
  • tessedit_char_whitelist：缩小识别字符集，降低误判概率
• 调整图像缩放比例：若原图像字符间距过大，可轻微缩小图像让字符更紧凑：

  # 缩小图像（fx/fy为缩放比例，可根据实际调整）
  scaled_image = cv2.resize(gray_image, None, fx=0.8, fy=0.8, interpolation=cv2.INTER_AREA)
  

内容的提问来源于stack exchange，提问作者Adriel Volzzi Sales