R中Tesseract包识别相邻重复数字1时遗漏其一的问题咨询

• 字符粘连导致连通区域合并：近邻插值放大属于硬像素复制，若原图中两个1的间距本身极小，放大后边缘像素易重叠；加上二值化处理时阈值不合理，会将两个1之间的空白区域误识别为前景，最终形成单个连通区域。Tesseract的字符分割逻辑会把连通区域判定为单个字符，这就是两个1被识别成一个的核心原因。
• 预处理操作的反向影响：清理步骤（如去噪的开/闭运算）可能过度填充了两个1之间的细微缝隙，进一步加剧字符粘连；而轻度处理原图时，可能保留了更多干扰像素，让Tesseract的分割算法更难区分紧密的两个1。
• 页面分割模式适配错误：调整tessedit_pageseg_mode时，若选择了不适合密集字符场景的模式（如PSM_SINGLE_BLOCK（模式6）会将整行视为整体处理，忽略细微字符间隔；PSM_SINGLE_CHAR（模式10）需要精准的单个字符定位，若裁剪或预处理后字符框偏移，反而会让识别失效），自然无法解决问题甚至恶化结果。
• 训练数据特征不匹配：Tesseract默认训练数据中的数字1样本多为标准间距、常规形态的字符，若你图片中的1是窄体、无衬线且间距极近的特殊形态，模型未学习过此类场景的分割逻辑，就会误将两个紧密的1判定为单个字符。
• 右侧裁剪的布局干扰：裁剪右侧噪声时可能破坏了第四行的整体字符布局比例，导致Tesseract的行对齐与字符分割算法出现偏差，间接影响了对两个1的识别。

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