如何通过OCR识别电子秤数字？已生成掩码图但无法提取数字

问题分析 #

当前代码生成的掩码图像已成功分离数字区域，但后续过度膨胀的形态学操作易导致数字变形，加上Tesseract配置不够精准，最终无法正确识别数字。

改进方案 #

1. 优化图像预处理 #

针对掩码图像清理噪声、增强数字轮廓，确保数字边缘清晰无粘连；

2. 调整Tesseract配置 #

使用适配单行数字的页面分割模式，同时限定识别字符范围，提升识别精度。

完整代码实现 #

import cv2
import numpy as np
import pytesseract

# 加载已生成的掩码图像（灰度模式读取）
msk = cv2.imread("/Users/ahx/Desktop/msk.png", 0)

# 预处理：去除小噪声，增强数字连贯性
# 开运算（先腐蚀再膨胀）清除小斑点噪声
kernel_open = cv2.getStructuringElement(cv2.MORPH_RECT, (2, 2))
clean_msk = cv2.morphologyEx(msk, cv2.MORPH_OPEN, kernel_open, iterations=1)

# 适度膨胀，让数字笔画更连贯
kernel_dilate = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
dilated_msk = cv2.dilate(clean_msk, kernel_dilate, iterations=1)

# 反转图像，转为白色背景黑色文字（符合Tesseract识别习惯）
processed_img = 255 - dilated_msk

# 裁剪数字区域：通过轮廓定位去除多余背景
contours, _ = cv2.findContours(dilated_msk, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
if contours:
    max_contour = max(contours, key=cv2.contourArea)
    x, y, w, h = cv2.boundingRect(max_contour)
    # 扩大裁剪范围，避免截断数字边缘
    x = max(0, x - 5)
    y = max(0, y - 5)
    w = min(processed_img.shape[1], w + 10)
    h = min(processed_img.shape[0], h + 10)
    processed_img = processed_img[y:y+h, x:x+w]

# 保存预处理后的图像用于调试
cv2.imwrite("/Users/ahx/Desktop/processed.png", processed_img)

# Tesseract配置：指定仅识别数字和小数点，适配单行文本
custom_config = r'--oem 3 --psm 7 -c tessedit_char_whitelist=0123456789.'
txt = pytesseract.image_to_string(processed_img, config=custom_config)

# 清理识别结果，保留有效字符
result = ''.join([c for c in txt if c.isdigit() or c == '.'])
print("识别结果：", result)

# 显示预处理后的图像
cv2.imshow("Processed Image", processed_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键改进点说明 #

• 预处理优化：开运算去除小噪声，适度膨胀避免数字笔画断裂，反转图像匹配Tesseract的识别偏好；
• 区域裁剪：通过轮廓定位提取数字区域，减少无关背景对OCR的干扰；
• Tesseract配置：
  • --oem 3：使用默认OCR引擎，兼容性更强；
  • --psm 7：将图像视为单行文本，适配电子秤数字的布局；
  • 字符白名单限定仅识别数字和小数点，过滤无关字符。

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