Pytesseract无法识别指定PNG图片文本 提取ishSilver及(SLV)问题咨询

• 补充图像预处理流程
  你当前仅做了图片裁剪操作，目标区域的文字对比度偏低、字号偏小，直接识别准确率差，建议补充以下处理步骤：
  1. 将裁剪后的图像转为灰度图，再通过阈值二值化操作把文字和背景完全分离
  2. 对裁剪后的区域做2-3倍的放大，提升Tesseract对小字号的识别适配性
  3. 可添加简单的中值滤波操作消除图片噪点，避免干扰识别结果
• 优化Tesseract识别参数
  1. 增加--psm参数指定识别模式，你裁剪后的区域为单行文本，指定psm=7（将图像视为单行文本处理）可以大幅提升准确率
  2. 增加字符白名单限制，你仅需要识别英文字母、括号，通过-c tessedit_char_whitelist=ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz()限定识别范围，排除无关字符干扰
• 验证裁剪范围准确性
  先把裁剪后的im1保存到本地，确认裁剪区域是否完整包含ishSilver (SLV)的全部内容，避免内容被截断导致识别失败

from PIL import Image
import pytesseract

pytesseract.pytesseract.tesseract_cmd = r'C:\Tesseract-OCR\tesseract.exe'
im = Image.open('Images/' + '1680.png')
width, height = im.size

# 可微调裁剪范围，避免内容截断
left = width * 0.87
top = 0
right = width
bottom = height 
im1 = im.crop((left, top, right, bottom))

# 图像预处理：放大、转灰度、二值化
im1 = im1.resize((im1.size[0]*3, im1.size[1]*3), Image.Resampling.LANCZOS) # 3倍放大
im1 = im1.convert('L') # 转灰度图
threshold = 127 # 可根据实际图片亮度调整阈值
im1 = im1.point(lambda p: 255 if p > threshold else 0) # 二值化

# 优化识别参数，指定单行模式+字符白名单
custom_config = r'--oem 3 --psm 7 -c tessedit_char_whitelist=ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz()'
text = pytesseract.image_to_string(im1, lang="eng", config=custom_config).strip()
print(text)
print("\n")

ticker = text[text.find("(")+1:text.find(")")]
print(ticker)

内容的提问来源于stack exchange，提问作者Ed George