EasyOCR无法识别预处理后的黑白单字符图像问题求助

核心问题定位 #

从代码和描述来看，准确率低的核心原因集中在字符区域筛选逻辑错误、预处理无效操作以及OCR工具参数不匹配三个方面：

1. MSER区域筛选硬编码错误
   代码中用固定值20判断区域中心，这仅适用于40x40的输入图，但原letter的尺寸由tile动态决定，导致大量有效字符区域被误过滤，最终centre_rect为空，直接使用原图像而非裁剪后的单字符图，让OCR工具无法定位目标。

2. 无效预处理操作
   使用1x1卷积核执行3次腐蚀完全无效（1x1核不会改变像素），既不能去除噪声也不能优化字符轮廓，反而浪费计算资源。

3. OCR工具参数适配不足
   EasyOCR默认针对多字符场景优化，单字符图的检测阈值过高，导致多数情况无法识别到文本区域；Tesseract虽设置了--psm 10，但未针对预处理后的图像调整对比度、颜色模式等适配参数。

4. 字符填充逻辑缺陷
   直接将裁剪后的字符居中填充到60x60，若原字符过小，会导致OCR模型难以捕捉有效特征；且当centre_rect为空时，传入的是彩色图而非灰度二值图，干扰OCR识别。

针对性解决思路 #

1. 修复MSER区域筛选逻辑 #

• 替换硬编码的中心判断值，改为基于输入图像自身尺寸计算：

  # 原代码
  # if (abs(20 - (x + width // 2)) >= thresh) or (abs(20 - (y + height // 2)) >= (thresh - 8)):
  # 修改后
  if (abs(w//2 - (x + width // 2)) >= thresh) or (abs(h//2 - (y + height // 2)) >= (thresh - 8)):
  

• 移除不合理的高度过滤条件abs(good_rects[k][3] - h) <=5，避免过滤掉占满高度的有效字符；动态调整MSER的面积阈值：

  mser.setMinArea(image_size // 50)  # 改为基于图像尺寸的比例
  mser.setMaxArea(image_size // 2)
  

2. 优化字符预处理流程 #

• 移除无效的1x1腐蚀操作，替换为针对字符粗细的形态学操作：

  # 示例：根据字符粗细选择腐蚀或膨胀
  kernel = np.ones((2, 2), np.uint8)
  padded_char = cv2.erode(padded_char, kernel, iterations=1)  # 仅1次即可
  

• 强制确保输入OCR的是灰度二值图：当centre_rect为空时，直接使用binary_img填充到60x60，而非原彩色letter。
• 调整字符填充的尺寸占比：先将裁剪后的字符缩放到60x60的80%（如48x48），再居中填充，保证字符特征足够明显：

  character = cv2.resize(character, (48, 48), interpolation=cv2.INTER_AREA)
  x_center = (60 - 48) // 2
  y_center = (60 - 48) // 2
  padded_char[y_center:y_center+48, x_center:x_center+48] = character
  

3. 适配OCR工具参数 #

• EasyOCR：针对单字符场景调整检测阈值，直接启用分类模式跳过检测步骤：

  # 降低检测阈值，强制识别文本
  result = reader.readtext(padded_char, text_threshold=0.1, low_text=0.05)
  # 或直接调用分类接口（若确定是单字符）
  result = reader.recognize(padded_char)
  

• Tesseract：确保输入为黑底白字（若当前是白底黑字，执行padded_char = 255 - padded_char反转），并调整参数：

  found_letter = pytesseract.image_to_string(padded_char, config='--psm 10 --oem 3 -c tessedit_char_whitelist=ABCDEFGHIJKLMNOPQRSTUVWXYZ')
  

4. 增加异常兜底逻辑 #

当MSER未检测到有效区域时，直接将整个binary_img缩放到60x60作为输入，避免传入无效图像。

内容的提问来源于stack exchange，提问作者Armaan Shah