Pytesseract识别图片0.01误输出201，如何提升OCR识别准确率

修正后可正确识别0.01的代码 #

import pytesseract
try:
    from PIL import Image
except ImportError:
    import Image
import numpy as np
import cv2

img = Image.open('test.png')
processed_image = np.asarray(img)
processed_image = cv2.cvtColor(processed_image, cv2.COLOR_BGR2GRAY)
# 放大2倍提升小字符辨识度
processed_image = cv2.resize(processed_image, None, fx=2, fy=2, interpolation=cv2.INTER_CUBIC)
# 二值化处理
processed_image = cv2.threshold(processed_image, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]
# 去噪处理
processed_image = cv2.medianBlur(processed_image, 3)
# 限定字符白名单+适配短文本识别模式
text = pytesseract.image_to_string(processed_image, config='--psm 8 -c tessedit_char_whitelist=0123456789.').strip()
print(text)

核心优化点 #

• 移除代码中无效的cv2np冗余导入
• 新增图像放大逻辑：原图像字符尺寸过小，放大后可避免小数点被误判为字符间隙或数字0，也能减少字符形状的误识别
• 新增中值滤波步骤：消除二值化后产生的零星噪点，避免噪点被判定为字符笔画
• 调整tesseract识别配置：增加字符白名单限定仅识别数字和小数点，从根源避免跨字符匹配错误；将psm模式从7（单行文本）调整为8（单个词），更适配短字符的识别场景
• 若仍存在识别偏差，可在二值化后增加反色处理：processed_image = 255 - processed_image，适配不同明暗的字符背景

内容的提问来源于stack exchange，提问作者Asif Shiraz