使用OpenCV去除游戏图像背景以优化Tesseract OCR识别效果

游戏文字识别效果差的核心问题是背景干扰，以下是针对性的背景去除+OCR优化流程，替换你现有处理逻辑：

1. 预处理：精准分离背景与文字 #

游戏界面背景通常有复杂纹理或渐变，普通阈值难以生效，改用HSV颜色空间+形态学操作提取文字：

import cv2
import numpy as np
from tesserocr import PyTessBaseAPI, OEM

# 读取图像并转换为HSV颜色空间（比BGR更易区分颜色）
img = cv2.imread("ref.png")
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 根据文字实际颜色调整HSV范围（示例为白色文字）
lower_text = np.array([0, 0, 200])
upper_text = np.array([180, 25, 255])
mask = cv2.inRange(hsv, lower_text, upper_text)

# 提取文字区域，背景置黑
text_region = cv2.bitwise_and(img, img, mask=mask)
# 转灰度图后二值化，确保文字为白色、背景为黑色
gray = cv2.cvtColor(text_region, cv2.COLOR_BGR2GRAY)
_, binary_img = cv2.threshold(gray, 50, 255, cv2.THRESH_BINARY)

# 去除噪点（游戏界面常见小颗粒干扰）
kernel = np.ones((2,2), np.uint8)
binary_img = cv2.morphologyEx(binary_img, cv2.MORPH_OPEN, kernel)

2. 优化Tesseract识别配置 #

针对游戏文字的固定字体、规整排版特性，调整识别参数：

with PyTessBaseAPI(psm=7, oem=OEM.LSTM_ONLY, path=f"ocr", lang="d2r") as api:
    # 限制识别字符集（仅保留游戏中可能出现的字符）
    api.SetVariable("tessedit_char_whitelist", "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789!@#$%^&*()")
    api.SetVariable("user_words_file", "ocr/dict.txt")
    api.ReadConfigFile("ocr/config.txt")
    
    api.SetImage(binary_img)
    print(api.GetUTF8Text().strip())

cv2.imshow('processed', binary_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键调整要点 #

• 颜色范围校准：用取色工具获取目标文字的HSV值，调整lower_text和upper_text（比如黄色文字范围约为[20,100,100]到[30,255,255]）
• PSM模式选择：游戏文字多为单行或固定块，用psm=7（单行识别）或psm=6（单一均匀块）比默认psm=3更精准
• 二值化方向：如果是深色背景配浅色文字用THRESH_BINARY，反之用THRESH_BINARY_INV，确保文字为白色（Tesseract对白底黑字识别更稳定）

内容的提问来源于stack exchange，提问作者Bytelock