为何pytesseract无法识别目标图片？已尝试多种预处理仍无效

问题说明 #

pytesseract可正常识别其他图片，但无法识别目标图片。已尝试调整尺寸、转灰度图、黑白反转等预处理操作，均无效果。目标图片特征为浅色文字在深色渐变背景上。

用户原有代码 #

import numpy as np
from pytesseract import pytesseract
import cv2
import os

path_to_tesseract = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
pytesseract.tesseract_cmd = path_to_tesseract

img = cv2.imread(r'C:\Users\Owner\Desktop\Coding\PNGs\tugteam project\tugteam2.png')

grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
(thresh, img) = cv2.threshold(grayImage, 127, 255, cv2.THRESH_BINARY)
img = cv2.bitwise_not(img)
img = cv2.resize(img, (600, 400))

cv2.imshow('asd',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

text = pytesseract.image_to_string(img)
print(text)

解决方法及优化代码 #

1. 替换固定阈值为自适应阈值 #

目标图片背景是渐变的，固定阈值会导致部分文字丢失。用自适应阈值能根据局部区域调整阈值，完整保留文字轮廓。

2. 添加形态学膨胀操作 #

填补文字边缘的微小缺口，让文字轮廓更清晰，降低识别难度。

3. 指定Tesseract配置参数 #

设置--psm 6（假设输入为单一均匀文本块）和--oem 3（使用默认引擎模式），针对性提升识别精准度。

修改后代码：

import numpy as np
from pytesseract import pytesseract
import cv2
import os

path_to_tesseract = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
pytesseract.tesseract_cmd = path_to_tesseract

# 读取图片
img = cv2.imread(r'C:\Users\Owner\Desktop\Coding\PNGs\tugteam project\tugteam2.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 自适应阈值处理，替代固定阈值
thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)

# 形态学膨胀操作，增强文字轮廓
kernel = np.ones((2,2), np.uint8)
thresh = cv2.dilate(thresh, kernel, iterations=1)

# 放大图片（可选，提升小文字识别率）
thresh = cv2.resize(thresh, None, fx=2, fy=2, interpolation=cv2.INTER_CUBIC)

# 显示预处理后的图片
cv2.imshow('Processed Image', thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 设置Tesseract配置参数
custom_config = r'--oem 3 --psm 6'
text = pytesseract.image_to_string(thresh, config=custom_config)
print("识别结果：")
print(text)

额外提示 #

• 若仍有识别问题，可添加高斯模糊降噪：gray = cv2.GaussianBlur(gray, (3,3), 0)，减少背景噪点干扰。
• 确认Tesseract已安装对应语言包（英文包默认已安装，识别其他语言需额外安装）。

内容的提问来源于stack exchange，提问作者twitterL9