如何使用pytesseract准确识别含纯数字的图片文本？

问题场景 #

现有处理流程：截取屏幕截图→裁剪指定坐标的数字区域→反相阈值处理得到白底黑字效果。执行以下代码后识别结果不可靠：

custom_config = r'--oem 3 --psm 7 -c tessedit_char_whitelist= 0123456789/'
result = pytesseract.image_to_string(image_processed, lang='eng', config=custom_config)

输出结果：43659 [44 38

具体优化步骤 #

• 修正字符白名单格式：白名单中0123456789/前的空格会引入无效字符识别，修改后配置：

  custom_config = r'--oem 3 --psm 7 -c tessedit_char_whitelist=0123456789/'
  

• 调整PSM页面分割模式：

  • 若数字为多行布局，改用--psm 6（将图像视为单一文本块）
  • 确认数字为单行后保留--psm 7，否则选择适配当前图像布局的模式

• 强化图像预处理：

  • 去除噪点：添加形态学开操作清除小干扰

    import cv2
    import numpy as np
    kernel = np.ones((2,2), np.uint8)
    image_cleaned = cv2.morphologyEx(image_processed, cv2.MORPH_OPEN, kernel)
    

  • 提升分辨率：低分辨率截图可放大后再识别

    image_scaled = cv2.resize(image_processed, None, fx=2, fy=2, interpolation=cv2.INTER_CUBIC)
    

  • 优化阈值处理：用自适应阈值替代固定阈值，适配局部亮度差异

    image_threshold = cv2.adaptiveThreshold(image_processed, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)
    

• 更换OCR引擎模式：尝试纯LSTM引擎（--oem 1），对现代屏幕字体识别更精准：

  custom_config = r'--oem 1 --psm 7 -c tessedit_char_whitelist=0123456789/'
  

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