如何优化pytesseract+OpenCV图像文本提取速度适配高时效需求

现有流程的最大冗余开销是磁盘IO操作，截图存盘再读取的步骤完全可以砍掉，所有操作都在内存中完成即可，配合参数优化可以大幅降低耗时，具体优化方案如下：

• 砍掉磁盘IO流程，直接在内存中传递图像数据
  不管你用哪种截图工具（PIL、mss、pyautogui等），截图结果直接在内存中转成OpenCV可识别的格式，不需要写入磁盘生成temp_chit.png再用cv2.imread读取，仅这一步就能节省30%以上的整体耗时。
• 固定Tesseract识别参数，减少无效计算
  调用image_to_string时指定固定参数，避免Tesseract做多余的布局分析、全语言包加载操作：
  • 用lang参数仅加载你需要的语言包，比如仅识别简体中文就填lang='chi_sim'，不要加载全量语言
  • 用config参数指定--psm布局模式，比如识别固定区域的块状文本用--psm 6，识别单行文本用--psm 7，同时指定--oem 3用默认引擎组合，避免动态适配开销
• 初始化逻辑前置
  把tesseract_cmd路径配置、识别参数定义放到程序初始化阶段执行，不要每次识别都重复配置，减少重复初始化开销。
• 简化不必要的预处理操作
  如果你的截图清晰度足够，不需要额外做二值化、降噪等OpenCV预处理操作，可以直接把内存中的截图对象传给pytesseract，省去格式转换开销。

优化后示例代码 #

import pytesseract
import cv2
import numpy as np
from PIL import ImageGrab
from timeit import default_timer as timer

# 程序初始化阶段执行，仅跑一次
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
# 固定识别参数，根据你的业务场景调整psm和lang即可
OCR_CONFIG = '--psm 6 --oem 3'
OCR_LANG = 'chi_sim' # 仅识别英文就改成'eng'

start = timer()

# 直接截指定区域屏幕到内存，无需存盘，bbox填你要识别的区域坐标
pil_screenshot = ImageGrab.grab(bbox=(100, 100, 800, 400))
# 内存中转成OpenCV格式，无磁盘操作
cv_img = cv2.cvtColor(np.array(pil_screenshot), cv2.COLOR_RGB2BGR)
# 识别文本
text = pytesseract.image_to_string(cv_img, lang=OCR_LANG, config=OCR_CONFIG)
print(text)

end = timer()
print(f"耗时：{end - start}s")

内容的提问来源于stack exchange，提问作者James