首先，你的两个问题其实是关联的：图像数据类型不正确既导致了cv2.imshow的报错，也让Tesseract无法正确识别文本。

1. 解决cv2.imshow的格式错误问题 #

你用(imgT >= 165)*255生成的new_imgT，其数据类型并不是OpenCV期望的uint8（8位无符号整数）。这个表达式会生成布尔数组或32位整数数组，而OpenCV的imshow只支持8位无符号或32位浮点类型的图像，因此触发了src_depth != CV_16F && src_depth != CV_32S的断言错误。

虽然该数组能保存为PNG（保存时会自动转换格式），但内存中的数据类型不符合OpenCV和Tesseract的处理要求。修复方法很简单，只需将数组强制转换为uint8类型：

import numpy as np  # 记得导入numpy库

def readCard(path):
    imgG = cv2.imread(path, 0) # 0表示灰度图
    imgT = cv2.resize(imgG, (745, 1040))[55:100, 55:680]
    # 转换为OpenCV支持的uint8类型
    new_imgT = ((imgT >= 165)*255).astype(np.uint8) 
    cv2.imwrite(r"C:\Users\tpixe\Documents\PYTESSERACT test\mask.png", new_imgT)
    # 现在可以正常显示图像了
    cv2.imshow("Processed Title", new_imgT)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    text = pytesseract.image_to_string(new_imgT)
    print(text)

2. 修复Tesseract识别异常的问题 #

之前返回♀这类奇怪字符，本质是Tesseract读取了非预期格式的图像数据。修复数据类型后，识别效果会有所改善，你还可以通过以下优化进一步提升准确率：

• 指定语言和识别模式：万智牌标题是英文单行文本，给Tesseract添加针对性参数能大幅提高识别精度：

  text = pytesseract.image_to_string(new_imgT, lang='eng', config='--psm 6')
  

  其中--psm 6表示假设输入为单一均匀的文本块，完美匹配卡牌标题的场景。
• 调整阈值或改用自适应阈值：当前的165阈值可能不是最优值，你可以尝试调整数值，或者用cv2.adaptiveThreshold处理不同光照条件下的卡牌图像：

  new_imgT = cv2.adaptiveThreshold(imgT, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)
  

• 轻微形态学处理：通过膨胀/腐蚀消除噪点，让文本边缘更清晰：

  kernel = np.ones((1,1), np.uint8)
  new_imgT = cv2.morphologyEx(new_imgT, cv2.MORPH_CLOSE, kernel)
  

总结 #

先解决图像数据类型的基础问题，再通过Tesseract参数调整和图像预处理优化识别逻辑，应该就能得到正确的"Command Beacon"结果了。

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