如何用PyTesseract精准提取图片中每张卡牌的文本？

问题说明 #

当前使用基础OpenCV+Tesseract代码仅能提取图片中少量卡牌文本（如“Spirit of Fire i Suzumebochity”“Momomo”），需通过图像预处理与单卡牌分割优化识别效果。

一、OCR前图像预处理优化 #

预处理是提升识别率的核心，针对卡牌图像的共性问题，可依次执行以下步骤：

• 灰度化：消除色彩干扰，简化后续处理

  gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
  

• 自适应阈值二值化：根据局部区域调整阈值，增强文本与背景对比度，适合明暗不均的卡牌

  thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)
  

• 降噪处理：用高斯模糊或中值滤波去除图像噪声

  blur = cv2.GaussianBlur(thresh, (3,3), 0)
  

• 文本放大：针对小字号文本，通过插值放大提升识别精度

  enlarged = cv2.resize(blur, None, fx=2, fy=2, interpolation=cv2.INTER_CUBIC)
  

• 倾斜校正：若卡牌存在倾斜，可通过轮廓检测计算旋转角度后校正（需根据实际图像调整逻辑）

二、单张卡牌分割与提取流程 #

直接识别整张图片会因文本分散导致漏识别，需先分割出每张卡牌再单独处理：

1. 边缘检测与轮廓提取：定位卡牌的矩形轮廓

   edges = cv2.Canny(gray, 50, 150)
   contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
   

2. 筛选有效卡牌轮廓：通过面积、宽高比过滤非卡牌轮廓（阈值需根据实际图像调整）

   cards = []
   for contour in contours:
       area = cv2.contourArea(contour)
       if 10000 < area < 100000:  # 过滤过小/过大区域
           x, y, w, h = cv2.boundingRect(contour)
           aspect_ratio = w / h
           if 1.2 < aspect_ratio < 1.8:  # 匹配卡牌宽高比
               cards.append(im[y:y+h, x:x+w])
   

3. 单卡牌OCR识别：对每张分割后的卡牌单独做预处理，再调用Tesseract识别（需安装对应语言包，如日文包）

   for idx, card in enumerate(cards):
       processed = preprocess_image(card)
       # 支持英日双语识别，调整psm参数适配文本布局
       text = pytesseract.image_to_string(processed, lang='eng+jpn', config='--psm 6')
       print(f"卡牌 {idx+1} 识别结果:\n{text}\n{'='*50}")
   

额外优化建议 #

• 安装Tesseract多语言包（如日文包），覆盖卡牌中的非英文文本
• 调整Tesseract的--psm参数：比如--psm 6假设文本为单个块，--psm 7适用于单行文本，根据卡牌布局选择
• 对模糊严重的卡牌，尝试形态学膨胀操作增强文本边缘：

  kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2,2))
  dilated = cv2.dilate(thresh, kernel, iterations=1)
  

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