pytesseract识别异常咨询：同规格图片识别结果不一致

• 文本与背景的实际对比度差异：肉眼看起来背景相近，但某张图的文本灰度值和背景差太小（比如浅灰字配浅灰背景），OCR对这种低对比度的文本敏感度极低。你发的图里，无法识别的那张大概率存在这个问题。
• 字体/笔画特征问题：不同字体的笔画粗细、边缘清晰度不同，比如细字体、手写体或者边缘模糊的印刷体，OCR的字符检测模型难以提取有效特征，而粗体、清晰的印刷体更容易被识别。
• 缺少必要的图像预处理：pytesseract默认对"干净"的黑白二值图识别效果最好，直接用原图（尤其是带灰阶、噪点的图）识别很容易翻车。

实用解决步骤 #

1. 强制做图像预处理，用OpenCV把图转成高对比度的黑白图：

import cv2
import pytesseract

def preprocess(img_path):
    # 转灰度图
    gray = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)
    # 自适应二值化，解决光照不均、低对比度问题
    binary = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)
    # 中值滤波去噪
    clean = cv2.medianBlur(binary, 3)
    return clean

# 预处理后识别
result = pytesseract.image_to_string(preprocess("your_image.jpg"), lang="chi_sim") # 中文需指定lang参数，英文可省略
print(result)

2. 检查语言包：如果识别中文，确认pytesseract是否安装了chi_sim语言包，没装的话中文会无法识别。
3. 校正轻微倾斜：哪怕看起来正的图，微小倾斜也会影响识别，可在预处理中加入倾斜校正：

import numpy as np

# 接上面的preprocess函数，在二值化后添加：
coords = np.column_stack(np.where(binary > 0))
angle = cv2.minAreaRect(coords)[-1]
# 调整角度值
if angle < -45:
    angle = -(90 + angle)
else:
    angle = -angle
# 旋转校正
(h, w) = binary.shape[:2]
center = (w // 2, h // 2)
M = cv2.getRotationMatrix2D(center, angle, 1.0)
binary = cv2.warpAffine(binary, M, (w, h), flags=cv2.INTER_CUBIC, borderMode=cv2.BORDER_REPLICATE)

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