PyTesseract运行教程代码正常但自定义相似代码OCR识别出错求助

故障原因排查 #

• PSM分页模式配置错误
  你自行添加了config='--psm 7'参数，该参数会强制Tesseract将整张图像识别为单一整行文本，完全不适合桌面截图这种存在多分散文本区域的场景。教程代码使用默认的自动页面分割模式，这是识别结果差异的最核心原因。建议移除该参数，或替换为--psm 11（稀疏文本检索模式）适配全局找词的需求。
• 遍历逻辑错误
  你在循环第一次迭代时就判断"Description" not in results["text"]，没匹配到就直接退出程序。但results["text"]是所有识别块的文本列表，应该遍历完全部结果再判断是否存在匹配项，单次遍历就终止的逻辑完全不符合需求。
• 置信度判断逻辑错误
  Tesseract返回的conf置信度是0-100范围的整数，不是0-1的小数。你写的conf < 0.2相当于几乎没有过滤效果，且注释写的“小于0.7就跳过”和代码逻辑完全不符，建议调整为conf < 70这类符合数值范围的判断条件。
• 变量引用错误
  最后打印坐标时用的x、y、width、height没有定义，你之前定义的对应变量是Desc_x、Desc_y、Desc_w、Desc_h，运行到此处会直接抛出变量未定义报错。
• 可选优化：高分辨率桌面截图可提前做灰度化、二值化、对比度增强处理，能进一步提升识别准确率。如果识别内容包含中文，需要添加lang='chi_sim'参数并确保安装了对应语言包。

修复后参考代码 #

import pyautogui
import cv2
import pytesseract
from pytesseract import Output

# 截图并读取
pyautogui.screenshot('screenshotOfDesktop.png')
readDesktop_SAP = cv2.imread('screenshotOfDesktop.png')
rgb = cv2.cvtColor(readDesktop_SAP, cv2.COLOR_BGR2RGB)

# 移除错误的psm 7配置，使用默认分页模式
results = pytesseract.image_to_data(rgb, output_type=Output.DICT)

found_desc = False
# 遍历所有识别结果
for i in range(len(results["text"])):
    text = results["text"][i].strip()
    conf = int(results["conf"][i])
    # 匹配关键词+置信度过滤
    if "Description" in text and conf >= 70:
        found_desc = True
        Desc_x = results["left"][i]
        Desc_y = results["top"][i]
        Desc_w = results["width"][i]
        Desc_h = results["height"][i]
        print("Found 'Description' on screen! ")
        print("The coordinates are: ")
        print(Desc_x, Desc_y, Desc_w, Desc_h)
        print(f"Confidence = {conf}") 

if not found_desc:
    print("Didn't find description on screen. Please check that the SAP 'find document' page is open on the screen. ")
    input('Press ENTER to exit now. ')
    exit()

内容的提问来源于stack exchange，提问作者MontX