如何用OpenCV在Python中锐化图像，让Tesseract识别放大后的40？

我对原始图像执行了以下操作：

• 缩放（resize）
• 调整色彩空间
• 灰度化（greyscaled）
• 阈值处理（thresholded）
• 颜色反转

处理后用Tesseract转换文本时，仅能识别出数字4，代码如下：

print(tess.image_to_string(img, config='--psm 6 -c tessedit_char_whitelist="9876543210"'))
# 输出：4

随后尝试用以下代码锐化图像，Tesseract仍仅识别出4：

kernel = np.array([[0,-1,0],[-1,5,-1],[0,-1,0]])
sharpened = cv2.filter2D(img,-1,kernel)
print(tess.image_to_string(sharpened, config='--psm 6 -c tessedit_char_whitelist="9876543210"'))
# 输出：4

另外，未缩放的原始图像可被识别为40，但我需要放大后的图像也能被识别，请问：

1. 如何进一步锐化图像，让Tesseract能识别出40？
2. 缩放时有没有方法保留图像的清晰度与锐度？

缩放代码：

img = cv2.resize(img,(0,0),fx=5,fy=5)

一、改进锐化效果，让Tesseract识别出40 #

1. 替换更强的锐化核或使用专业锐化方法 #

现有锐化核强度不足，可尝试对比度更高的核，或用非锐化掩模（Unsharp Mask）强化边缘同时抑制噪点：

# 方法1：更强的锐化核
kernel = np.array([[-1,-1,-1],
                   [-1, 9,-1],
                   [-1,-1,-1]])
sharpened = cv2.filter2D(img, -1, kernel)

# 方法2：非锐化掩模（更温和且有效）
blurred = cv2.GaussianBlur(img, (5,5), 0)
sharpened = cv2.addWeighted(img, 1.5, blurred, -0.5, 0)

2. 优化阈值处理步骤 #

阈值处理可能导致数字0的边缘丢失，改用自适应阈值或调整固定阈值参数：

# 自适应阈值（适配光照不均场景）
img = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)

# 或用OTSU自动计算阈值
_, img = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

3. 形态学操作补全轮廓 #

如果数字0的边缘有断裂，用膨胀操作补全：

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2,2))
img = cv2.dilate(img, kernel, iterations=1)

二、缩放时保留图像清晰度与锐度 #

1. 使用高质量插值算法 #

默认插值方法细节丢失严重，放大时改用INTER_CUBIC或INTER_LANCZOS4：

# Lanczos插值对细节保留最优
img = cv2.resize(img, (0,0), fx=5, fy=5, interpolation=cv2.INTER_LANCZOS4)

2. 调整处理顺序 #

优先缩放原始图像（用高质量插值），再进行灰度化、阈值等操作，减少中间步骤的信息丢失：

# 先缩放原始图像
resized_img = cv2.resize(original_img, (0,0), fx=5, fy=5, interpolation=cv2.INTER_LANCZOS4)
# 再执行后续处理
gray = cv2.cvtColor(resized_img, cv2.COLOR_BGR2GRAY)
_, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

3. 缩放前后配合轻度锐化 #

• 缩放前对原始图像做轻度锐化，再放大
• 或缩放后用非锐化掩模强化细节，抵消缩放带来的模糊

内容的提问来源于stack exchange，提问作者Vik