Tesseract识别含条形码图像时无法正确读取数字问题咨询

目标是从同时包含条形码、条形码下方对应数字的图像中读取数字内容，实际测试表现如下：

• 单独裁剪出数字区域做识别时，运行如下代码可准确返回对应数字文本：
  tesseract.doOCR(new File("C:\\XXXXX\\teess.jpg"));
• 实际使用场景中无法单独传入仅含数字的图像，输入始终是附带条形码的完整区域：该区域本身是主图像通过subimage()方法截取的子图，若进一步做精准裁剪定位数字区域实现难度较高，还存在字符遗漏的风险。
• 直接传入包含条形码的完整图像做识别时，程序始终返回随机乱码字符，无法得到目标数字，识别结果如下：
  Text is ::Sample # 38
  “'!'JJ'J'L'1'L!“L"‘|
  输入图像为条形码附带下方对应真实数值的样式，示例如下：
  
  运行日志中出现两条警告信息：

Warning: Parameter not found: enable_new_segsearch
Warning: Invalid resolution 0 dpi. Using 70 instead.

• 先解决日志里的DPI异常问题：子图通过subimage()截取时不会携带原图像的DPI元数据，直接传给Tesseract就会触发0 DPI警告，引擎自动用70DPI做识别会大幅降低准确率，识别前手动给子图设置300DPI即可。
• 不需要做精准数字区域裁剪，直接做粗范围截取即可：条形码固定在子图上半区域，数字固定在条形码正下方，直接截取子图纵向位置从总高度2/3处到底部的区域送入OCR，既不会裁到数字导致遗漏，也能完全避开上半部分条形码的干扰，实现成本极低。
• 调整Tesseract识别参数：
  1. 设置页面分割模式为6（视为单一统一文本块），避免默认模式下把条形码的条空纹理误判为零散字符
  2. 设置字符白名单为0123456789，仅允许引擎输出数字，从根源上过滤乱码符号
• 简单图像预处理：识别前把截取到的下半部分图像做灰度化、自适应二值化处理，强化数字和背景的对比度，进一步提升识别准确率。
• 若当前使用的Tesseract版本低于5.0，直接升级到最新稳定版，即可解决enable_new_segsearch参数不存在的警告，新版本的文本分割逻辑对印刷数字的识别准确率更高。

内容的提问来源于stack exchange，提问作者aarav