基于pytesseract的图像十进制数值识别：HSV阈值与识别错误问题

一、通用HSV阈值设置方案 #

固定HSV阈值换图失效，核心原因是不同图像的光照、色彩差异大，试试这些动态调整方法：

• 灰度二值化优先+HSV补充：LCD数字对比度通常很高，先转灰度图用Otsu自动二值化生成基础掩码，再结合HSV过滤背景杂色。Otsu能自动根据图像灰度分布找最优阈值，比硬编码HSV通用得多。
• 动态计算HSV范围：提取图像HSV各通道的均值和标准差，用「均值±1.5~2倍标准差」作为阈值范围，计算后把值限制在HSV合法区间（H:0-179，S/V:0-255），能自动适配不同光照下的图像。
• 预处理优化掩码：先做高斯模糊去噪，再用形态学闭运算（腐蚀+膨胀）填充数字上的小缺口，避免掩码断裂影响后续识别。

二、Tesseract识别错误修正（79.8→75.8） #

这种相似字符混淆问题，从预处理和识别配置两方面解决：

• 严格限制字符集：只让Tesseract识别数字和小数点，配置参数用--psm 7 --oem 3 -c tessedit_char_whitelist=0123456789.，--psm 7指定识别单文本行，减少无关字符干扰。
• 放大+增强对比度：把裁剪后的数字区域放大2~3倍，用CLAHE自适应直方图均衡增强对比度，让数字边缘更清晰，帮助Tesseract区分9和5的形状差异。
• 相似字符规则校验：针对9和5的形状差异写简单判断逻辑，比如9的顶部是封闭的，5的顶部是开放的，提取数字上半部分的像素数量，若像素多则判定为9，替换识别错误的5。
• 训练自定义字库：如果通用方法还是不行，收集一批LCD数字样本，用Tesseract的训练工具生成专用字库，能大幅提升特定场景的识别准确率。

修正后的示例代码 #

import cv2
import numpy as np
import pytesseract

def get_dynamic_hsv_range(hsv_img):
    # 计算HSV各通道均值与标准差
    h_mean, h_std = np.mean(hsv_img[:,:,0]), np.std(hsv_img[:,:,0])
    s_mean, s_std = np.mean(hsv_img[:,:,1]), np.std(hsv_img[:,:,1])
    v_mean, v_std = np.mean(hsv_img[:,:,2]), np.std(hsv_img[:,:,2])
    # 生成动态阈值并限制合法范围
    lower_hsv = np.clip([h_mean - 1.5*h_std, s_mean - 1.5*s_std, v_mean - 1.5*v_std], 0, [179,255,255])
    upper_hsv = np.clip([h_mean + 1.5*h_std, s_mean + 1.5*s_std, v_mean + 1.5*v_std], 0, [179,255,255])
    return lower_hsv.astype(np.uint8), upper_hsv.astype(np.uint8)

def preprocess_image(img_path):
    img = cv2.imread(img_path)
    # 高斯模糊去噪
    blur = cv2.GaussianBlur(img, (3,3), 0)
    # 动态HSV掩码
    hsv = cv2.cvtColor(blur, cv2.COLOR_BGR2HSV)
    lower, upper = get_dynamic_hsv_range(hsv)
    mask = cv2.inRange(hsv, lower, upper)
    # 形态学闭运算优化掩码
    mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, np.ones((2,2), np.uint8))
    # 灰度增强+放大
    gray = cv2.bitwise_and(cv2.cvtColor(img, cv2.COLOR_BGR2GRAY), mask)
    clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
    gray_enhanced = clahe.apply(gray)
    enlarged = cv2.resize(gray_enhanced, None, fx=2, fy=2, interpolation=cv2.INTER_CUBIC)
    # Otsu二值化
    _, thresh = cv2.threshold(enlarged, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
    return thresh

def recognize_lcd_number(img_path):
    processed_img = preprocess_image(img_path)
    # Tesseract自定义配置
    custom_config = r'--psm 7 --oem 3 -c tessedit_char_whitelist=0123456789.'
    text = pytesseract.image_to_string(processed_img, config=custom_config).strip()
    # 9/5混淆修正示例
    if '.' in text and len(text) == 4: # 匹配Xx.x格式
        num_part = text[1]
        if num_part == '5':
            # 提取数字上半部分像素，判断是否为9
            h, w = processed_img.shape
            top_region = processed_img[:h//3, w//4:w*3//4]
            if np.sum(top_region) > 1500: # 阈值根据实际图像调整
                text = text[:1] + '9' + text[2:]
    return text

# 调用示例
print(recognize_lcd_number('lcd_image.jpg'))

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