模糊图像字符提取求助：Tesseract与自适应阈值处理结果不全问题

嘿，咱们来搞定你这个OCR识别的问题！我发现你的代码里有个关键小疏漏，再加上几个预处理的优化技巧，就能大幅提升识别准确率，尤其是图像右侧的信息。

先说说你原代码里的核心问题 #

你明明生成了自适应阈值处理后的thresh图像，但最后调用pytesseract.image_to_string()的时候，传入的却是原始的img——等于白做了预处理！这是最影响结果的问题。

改进后的完整代码 #

我调整了预处理流程，还优化了Tesseract的识别配置，你可以直接用：

import pytesseract
import cv2
import numpy as np

# 如果你本地的Tesseract没有自动配置路径，需要加上这行（根据你的安装路径调整）
# pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

# 读取图像并放大：小字符放大后更易被识别
img = cv2.imread('M.jpeg')
img = cv2.resize(img, None, fx=2, fy=2, interpolation=cv2.INTER_CUBIC)  # 按比例放大2倍，避免拉伸变形

# 转灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 高斯模糊降噪：模糊图像通常有噪点，先清掉干扰
blurred = cv2.GaussianBlur(gray, (5, 5), 0)

# 自适应阈值处理：改用高斯加权均值，反转阈值让字符白、背景黑（更符合Tesseract偏好）
thresh = cv2.adaptiveThreshold(
    blurred, 
    255, 
    cv2.ADAPTIVE_THRESH_GAUSSIAN_C,  # 高斯加权比普通均值更适配局部亮度不均的图像
    cv2.THRESH_BINARY_INV,  # 反转阈值，字符为白，背景为黑
    11,  # 块大小（必须是奇数，可根据图像微调）
    6    # 常数（调整阈值的偏移量，可微调）
)

# 形态学膨胀：填补字符的小缺口，让轮廓更连贯
kernel = np.ones((2, 2), np.uint8)
thresh = cv2.dilate(thresh, kernel, iterations=1)

# 显示处理后的图像，方便你调试参数
cv2.imshow('Processed Image', thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 用处理后的阈值图+自定义配置识别
custom_config = r'--oem 3 --psm 6'  # OEM3用默认引擎，PSM6告诉Tesseract这是单一文本块
text = pytesseract.image_to_string(thresh, config=custom_config)

print("识别结果：")
print(text)

关键优化点说明 #

1. 用处理后的图像识别：这次终于把thresh传给image_to_string了，预处理的效果才能发挥出来
2. 图像放大：按比例放大模糊图像里的小字符，让Tesseract更容易捕捉到字符细节
3. 高斯降噪：减少模糊图像的噪点干扰，避免OCR把噪点当成字符
4. 高斯自适应阈值：比普通均值阈值更能应对局部亮度不均的情况，适合模糊图像
5. 反转阈值：Tesseract默认对“白字符黑背景”的识别效果更好，反转后贴合它的偏好
6. 形态学膨胀：填补字符边缘的小缺口，让字符轮廓更完整连贯
7. Tesseract配置：--psm 6告诉引擎输入是一个单一的文本块，避免它错误拆分识别区域

如果还是有小问题，可以试试这些微调 #

• 调整自适应阈值的块大小（比如改成13、15）和常数（比如5、7），适配你的具体图像
• 试试形态学腐蚀操作（把dilate换成erode），如果字符边缘有多余噪点的话
• 如果是特定语言的文本，加上lang参数，比如lang='eng'或对应语言代码

内容的提问来源于stack exchange，提问作者Praveen Pattar