如何优化pytesseract实现扑克牌面值二进制图像转整数？

一、优化Tesseract配置，兼顾单字符与双字符（10） #

psm 10是单字符识别模式，天然无法处理10这种双字符面值，建议切换到单词识别模式（psm 8），同时保留字符白名单，既可以识别单字符面值，也能正确识别10：

# 配置：单词模式+限定扑克牌面值字符范围
custom_config = r'--psm 8 tessedit_char_whitelist=A2345678910JQK'
extracted_text = pytesseract.image_to_string(number_isolated, config=custom_config).strip()

psm 8会将输入图像视为单个词，完美匹配扑克牌面值的两种形态（单字符/双字符10），白名单则过滤掉无关字符，减少识别干扰。

二、后处理修正常见识别错误 #

针对已出现的识别偏差（如K识别为i<、Q识别为1Q），添加规则化后处理函数修正结果：

def correct_rank(recognized_text):
    # 映射常见识别错误
    correction_map = {
        'Y': 'K',
        'Ly': 'J',
        'i<': 'K',
        '1Q': 'Q',
        '65': '6'
    }
    # 优先替换已知错误
    if recognized_text in correction_map:
        return correction_map[recognized_text]
    # 处理10被拆分的情况：结合图像宽度判断（10的宽度明显大于单字符）
    if recognized_text in ['1', '0'] and hasattr(number_isolated, 'width'):
        # 阈值根据你的实际图像尺寸调整
        if number_isolated.width > 30:
            return '10'
    return recognized_text

# 在提取rank后执行修正
rank = extract_rank(extracted_text)
rank = correct_rank(rank)

三、增强图像预处理（强化字符特征） #

即使已做二值化，仍可通过形态学操作强化字符边缘、去除噪点，提升Tesseract识别精度：

import cv2
import numpy as np
from PIL import Image

def preprocess_image(img):
    # 转换为OpenCV格式
    img_cv = np.array(img)
    # 二次二值化（确保字符与背景完全分离）
    _, thresh = cv2.threshold(img_cv, 127, 255, cv2.THRESH_BINARY_INV)
    # 开运算去除小噪点，强化字符边缘
    kernel = np.ones((2,2), np.uint8)
    thresh = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)
    # 转回PIL图像
    return Image.fromarray(thresh)

# 预处理后再识别
number_isolated = preprocess_image(number_isolated)
extracted_text = pytesseract.image_to_string(number_isolated, config=custom_config).strip()

四、自定义小型分类模型（终极解决方案） #

如果Tesseract始终无法达到要求，可针对扑克牌面值训练专用CNN模型——仅13类目标（A,2-10,J,Q,K），训练成本极低，准确率远高于通用OCR：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Flatten, Conv2D

# 输入为64x64灰度图，可根据你的图像尺寸调整
model = Sequential([
    Conv2D(32, (3,3), activation='relu', input_shape=(64,64,1)),
    Conv2D(64, (3,3), activation='relu'),
    Flatten(),
    Dense(128, activation='relu'),
    Dense(13, activation='softmax')
])

model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

你可以通过自己拍摄/生成标注好的扑克牌面值图像完成训练，模型仅需少量数据即可达到近乎100%的识别准确率。

内容的提问来源于stack exchange，提问作者Rick Krabbendam