基于OpenCV与Pytesseract的燃气表数字OCR识别难题求助

问题背景 #

需开发Python脚本提取燃气表固定位置的8位数字，图片分明亮、昏暗两种类型，每10分钟拍摄一次，拥有大量样本。当前使用Pytesseract+OpenCV2，现有方案（裁剪目标区域后调用pytesseract.image_to_string()并配置--psm 7）可靠性极低；尝试阈值处理、自适应阈值、逐字符识别均未达到预期效果，且无法优化拍摄条件。

改进建议 #

1. 明暗图片差异化预处理 #

先通过灰度图均值判断图片亮度，再针对性处理：

• 昏暗图片：使用限制对比度自适应直方图均衡化（CLAHE）提升局部对比度，避免全局均衡化导致的过曝：

  clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
  gray_img = cv2.cvtColor(cropped_image, cv2.COLOR_BGR2GRAY)
  enhanced_img = clahe.apply(gray_img)
  

• 明亮图片：采用Otsu自动阈值二值化，自动适配不同亮度：

  gray_img = cv2.cvtColor(cropped_image, cv2.COLOR_BGR2GRAY)
  _, binary_img = cv2.threshold(gray_img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
  

2. 优化Tesseract识别配置 #

调整参数减少干扰，提升识别稳定性：

• 使用--psm 6（假设输入为单一均匀文本块）替代--psm 7，更适配固定位置的数字区域
• 指定仅识别数字的字符白名单，同时启用默认引擎模式：

  config = "--oem 3 --psm 6 -c tessedit_char_whitelist=0123456789"
  text = pytesseract.image_to_string(processed_img, config=config)
  

3. 形态学处理强化字符轮廓 #

对预处理后的二值图做形态学操作，消除噪声并填补字符缺口：

# 构造小型结构元素
kernel = np.ones((2, 2), np.uint8)
# 闭运算填补字符内部小缺口
closed_img = cv2.morphologyEx(binary_img, cv2.MORPH_CLOSE, kernel)
# 开运算去除背景噪声
opened_img = cv2.morphologyEx(closed_img, cv2.MORPH_OPEN, kernel)

4. 训练Tesseract自定义数字模型 #

利用大量样本训练专属识别模型：

1. 从样本中裁剪出单个数字，生成.tif图片与对应.box标注文件（标注每个数字的位置与内容）
2. 使用Tesseract训练工具（tesstrain）训练自定义数字识别模型，替换默认模型提升精度

5. 尝试替代OCR工具 #

若Tesseract效果仍不理想，可尝试：

• EasyOCR：轻量易用，对小文本识别适配性好
• PaddleOCR：开源且对数字识别精度高，支持快速部署

用户现有代码 #

方案一代码 #

import cv2
import numpy as np
import os
import pytesseract

pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract"
directory = r"C:\Users\user\Desktop\test_pcs\test"

for image in os.listdir(directory):
    
    OriginalImagePath = os.path.join(directory, image)
    OriginalImage = cv2.imread(OriginalImagePath)
    x_start, y_start = int(1110), int(445)
    x_end, y_end = int(1690), int(520)
    cropped_image = OriginalImage[y_start:y_end, x_start:x_end]
    text = (pytesseract.image_to_string(cropped_image, config="--psm 7 outputbase digits"))
    cv2.imshow("Cropped", cropped_image)
    cv2.waitKey(0)
    print(text + "    " + OriginalImagePath)
    
cv2.destroyAllWindows()

阈值处理代码 #

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
import pytesseract

pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract"

img = cv.imread(r"C:\Users\user\Desktop\test_pcs\new2\2022-10-30_14-49-30.jpg",0)
img = cv.medianBlur(img,5)
ret,th1 = cv.threshold(img,127,255,cv.THRESH_BINARY)
#'Adaptive Mean Thresholding'
th2 = cv.adaptiveThreshold(img,255,cv.ADAPTIVE_THRESH_MEAN_C,\
            cv.THRESH_BINARY,11,2)
#'Adaptive Gaussian Thresholding'
th3 = cv.adaptiveThreshold(img,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,\
            cv.THRESH_BINARY,11,2)

images = [img, th2, th3]
for i in range(3):
    plt.subplot(2,2,i+1),plt.imshow(images[i],'gray')

plt.show()

x_start, y_start = int(1110), int(450)
x_end, y_end = int(1690), int(520)
cropped_image = th2[y_start:y_end, x_start:x_end]

plt.imshow(cropped_image,'gray')

text = (pytesseract.image_to_string(cropped_image, config="--psm 7 outputbase digits"))

print("digits: " + text)

内容的提问来源于stack exchange，提问作者BMolics