如何通过OpenCV/OCR为图像中单个字符生成Bounding Box？求助

针对EasyOCR的调整 #

• 将batch_size设为1，强制模型逐字符处理
• 开启detail=1，确保返回完整的字符级识别信息
• 把y_ths和x_ths设为0，完全禁止字符/单词的合并
• 设置min_size过滤过小的干扰区域，值根据字符实际大小调整

import easyocr as eo

reader = eo.Reader(['en'], gpu=True)
result = reader.readtext(
    imgOriginal,
    y_ths=0.0,
    x_ths=0.0,
    paragraph=False,
    batch_size=1,
    detail=1,
    min_size=10  # 可根据图像字符大小微调
)

# 提取单个字符的Bounding Box
for detection in result:
    bbox = detection[0]
    char = detection[1]
    confidence = detection[2]
    print(f"字符: {char}, Bounding Box: {bbox}, 置信度: {confidence}")

针对Tesserocr/Pytesserocr的参数优化 #

必须使用字符级的PSM模式，推荐以下参数组合：

• psm=10：单字符专属识别模式
• oem=3：混合引擎模式（兼顾准确率和兼容性）
• 可选添加tessedit_char_whitelist，限定识别字符范围，减少干扰

import pytesseract
from PIL import Image

img = Image.open(imgOriginal)
custom_config = r'--oem 3 --psm 10 -c tessedit_char_whitelist=ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789'
data = pytesseract.image_to_data(img, config=custom_config, output_type=pytesseract.Output.DICT)

# 提取有效字符的Bounding Box
for i in range(len(data['text'])):
    char = data['text'][i].strip()
    if char:
        bbox = (data['left'][i], data['top'][i], data['left'][i]+data['width'][i], data['top'][i]+data['height'][i])
        confidence = data['conf'][i]
        print(f"字符: {char}, Bounding Box: {bbox}, 置信度: {confidence}")

预处理建议（提升识别效果） #

如果图像存在模糊、倾斜或字符粘连，先做以下处理：

• 二值化：将图像转为黑白，增强字符与背景对比度
• 去噪：使用高斯模糊或中值滤波去除噪点
• 倾斜校正：通过霍夫变换等方法修正字符倾斜

内容的提问来源于stack exchange，提问作者Arnav