Pytesseract识别速度过慢优化：读取MS Teams文本实现键盘自动化

1 Tesseract配置优化（改完即可明显提速） #

• 将Tesseract路径初始化移到全局位置，无需放在函数内部重复加载
• 替换德语训练数据：下载tessdata_fast版本的deu.traineddata，替换原有tessdata目录下的对应文件，体积更小速度更快，你的场景下精度完全够用
• 调整OCR参数，新增字符白名单、更匹配场景的psm模式、关闭不必要的计算逻辑：

# 新的config参数
config='--psm 7 --oem 3 -c tessedit_char_whitelist=abcdefghijklmnopqrstuvwxyzäöüß -c tessedit_do_invert=0'

说明：--psm 7指定图像为单行文本，比你当前使用的--psm 6速度更快；白名单限定只识别你需要的小写德语字符，跳过无关字符识别；关闭自动反转逻辑减少额外计算。

2 图像预处理优化 #

• 缩小截图范围：确认你的bbox参数刚好框住要识别的Teams文本区域，多余的边框、空白都切掉，待处理像素越少识别速度越快
• 新增二值化处理：灰度图转换后加阈值处理转成纯黑白图像，去掉杂色，大幅降低Tesseract识别难度：

grayCap = cv2.cvtColor(np.array(cap), cv2.COLOR_BGR2GRAY)
# 新增二值化代码，阈值可以根据你的屏幕亮度调整
_, binaryCap = cv2.threshold(grayCap, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

• 新增帧差异判断：每次截图后和上一帧的截图做像素对比，如果差异小于阈值说明文本没有变化，直接跳过OCR复用之前的识别结果，大部分场景下可以省掉90%以上的OCR调用。

3 代码逻辑优化 #

• OCR线程的死循环里加time.sleep(0.2)，不需要无间隔截图识别，0.2秒的间隔完全满足你的操作响应需求，还能降低CPU占用
• 可选优化：不要用全局变量传值，换成queue队列传递识别结果，避免线程读写冲突，属于稳定性优化不影响速度。

优化后的imToString参考代码 #

# 全局初始化Tesseract路径，不要放在循环里
pytesseract.pytesseract.tesseract_cmd ='C:\\Users\\gornicec\\AppData\\Local\\Programs\\Tesseract-OCR\\tesseract.exe'
last_cap = None

def imToString():
    global message, last_cap
    print("Image getting read")
    while(True):
        cap = ImageGrab.grab(bbox=(177, 850, 283, 881))   
        grayCap = cv2.cvtColor(np.array(cap), cv2.COLOR_BGR2GRAY)
        _, binaryCap = cv2.threshold(grayCap, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

        # 帧差异判断，和上一帧对比，差异小就跳过OCR
        if last_cap is not None:
            diff = cv2.absdiff(last_cap, binaryCap).mean()
            if diff < 2: # 阈值可以自己调整
                time.sleep(0.2)
                continue
        last_cap = binaryCap

        t = time.perf_counter()
        message = pytesseract.image_to_string(
                binaryCap,
                lang ='deu',config='--psm 7 --oem 3 -c tessedit_char_whitelist=abcdefghijklmnopqrstuvwxyzäöüß -c tessedit_do_invert=0')
   
        print(str(message) + "was read" + str(time.perf_counter() - t))
        time.sleep(0.2)

4 替代方案（速度更快，可稳定控制在200ms以内） #

如果上面的优化还达不到要求，可以直接换更适配场景的方案：

• 用Windows自带OCR：调用WinRT的Windows.Media.Ocr接口，系统级OCR对本地语言的识别速度比Tesseract快5~10倍，只要你系统装了德语语言包，1000像素的截图基本100ms以内出结果
• 模板匹配：你需要识别的只有固定5个单词（vorne、hinten、links、rechts、greif），完全不用通用OCR，提前截取每个单词的图像做模板，每次截图后用cv2.matchTemplate匹配即可，速度在毫秒级，完全不会超过2秒，是当前场景的最优解
• 轻量OCR模型：用PaddleOCR的轻量多语言模型，识别速度也远高于Tesseract，部署也很简单。

内容的提问来源于stack exchange，提问作者Marvin Gornicec