如何解决黑色文本图像OCR识别错误？移除干扰黑色像素方案咨询

一、优化图像预处理 #

Tesseract对图像质量敏感度高，通过预处理强化文本与背景的对比度，能大幅提升识别准确率：

• 灰度转换：将彩色图像转为灰度图，减少色彩干扰

  img = cv2.imread('download.jpg')
  gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  

• 二值化处理：让数字文本与背景形成强烈反差，可选自适应阈值适配光照不均场景

  # 自适应高斯阈值
  thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)
  # 固定阈值（可根据图像实际亮度调整127这个值）
  # ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)
  

• 噪声清除：用形态学操作去除图像杂点

  kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (1,1))
  cleaned = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=1)
  

二、调整Tesseract识别参数 #

• 替换语言包：lang='lets'并非标准数字识别语言包，换成成熟的英文包lang='eng'，对阿拉伯数字的识别支持更完善
• 优化识别模式与规则：限制识别范围为数字，同时调整PSM模式适配单数字块场景

  text = pytesseract.image_to_string(cleaned, lang='eng', config='--psm 8 --oem 3 -c tessedit_char_whitelist=0123456789')
  

  参数说明：--psm 8指定识别单个词，--oem 3使用默认混合OCR引擎，tessedit_char_whitelist强制只识别数字，排除无关字符干扰。

三、排查图像本身问题 #

• 校正倾斜：如果图像存在倾斜，先做角度校正

  import numpy as np
  coords = np.column_stack(np.where(cleaned > 0))
  angle = cv2.minAreaRect(coords)[-1]
  if angle < -45:
      angle = -(90 + angle)
  else:
      angle = -angle
  (h, w) = cleaned.shape[:2]
  center = (w // 2, h // 2)
  M = cv2.getRotationMatrix2D(center, angle, 1.0)
  rotated = cv2.warpAffine(cleaned, M, (w, h), flags=cv2.INTER_CUBIC, borderMode=cv2.BORDER_REPLICATE)
  

• 检查清晰度：确认图像是否存在模糊、拉伸变形，必要时重新获取高清原图

内容的提问来源于stack exchange，提问作者pee2pee