Tesseract OCR无法识别红色背景上的两行文本问题求助

一、预处理强化方案 #

• 反转色彩+阈值化：红色背景黑字反转后变为黑背景白字，更适配Tesseract的识别逻辑。先定位红色区域，对该区域做色彩反转，再用自适应阈值二值化处理，抵消光照不均的影响：

  import cv2
  import numpy as np
  
  def preprocess_red_region(red_region):
      # 反转色彩
      inverted = cv2.bitwise_not(red_region)
      # 转灰度后做自适应阈值二值化
      gray = cv2.cvtColor(inverted, cv2.COLOR_BGR2GRAY)
      thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)
      return thresh
  

• 形态学降噪：用开运算清理红色区域的杂色噪点，再用闭运算填补文字内部的细小空隙，避免噪点干扰识别：

  kernel = np.ones((2,2), np.uint8)
  cleaned = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)
  cleaned = cv2.morphologyEx(cleaned, cv2.MORPH_OPEN, kernel)
  

二、Tesseract参数精细化调整 #

• 锁定psm模式+混合引擎：针对已定位的多行文本区域，用--psm 6（假设区域为单一文本块）或--psm 3（自动分页）比11/12更稳定，配合--oem 3（LSTM+传统引擎混合模式）提升兼容性：

  import pytesseract
  
  # 限定字符白名单（如果仅识别数字和小数点）
  custom_config = r'--oem 3 --psm 6 -c tessedit_char_whitelist=0123456789.'
  text = pytesseract.image_to_string(processed_img, config=custom_config)
  

• 字符白名单过滤：如果目标文本只有数字、小数点这类固定字符，添加白名单可以直接过滤无关干扰，大幅提升识别准确率。

三、多行区域分割识别 #

• 投影法拆分单行：既然单行红色文本能正常识别，可通过水平投影法将多行区域切割为单个行图像，逐行识别后拼接结果：

  def split_lines_by_projection(gray_img):
      # 计算每行的黑色像素总和（水平投影）
      row_sum = np.sum(gray_img == 0, axis=1)
      # 找到空白行位置作为分割点
      split_indices = np.where(row_sum < 10)[0]  # 阈值根据实际图像调整
      lines = []
      start = 0
      for idx in split_indices:
          if idx - start > 5:  # 过滤过小的无效区域
              lines.append(gray_img[start:idx, :])
          start = idx + 1
      # 处理最后一行
      if len(gray_img) - start > 5:
          lines.append(gray_img[start:, :])
      return lines
  
  # 分割后逐行识别并拼接
  line_texts = [pytesseract.image_to_string(line, config=custom_config).strip() for line in lines]
  full_text = '\n'.join(line_texts)
  

四、其他辅助技巧 #

• 放大区域分辨率：将红色区域图像resize到原尺寸的2倍，模拟高DPI扫描效果，让文字边缘更清晰，Tesseract对高分辨率文本的识别精度更高。
• 校验区域定位精度：检查extract_gravnumbers_from_red函数的红色区域提取逻辑，确保没有包含多余边缘或遗漏文本，定位误差会直接影响后续识别效果。

内容的提问来源于stack exchange，提问作者Daniel Sjöberg