基于Python pytesseract的图像识别：无法提取商品对应价格的问题求助

你目前的代码没有做任何适配性处理，直接把全图扔给Tesseract跑通用识别，存在三个硬伤：

• 无前置图像预处理：原图的光影、货架纹理会和价格区的文字混在一起，Tesseract很容易把高对比度的大字号价格当成背景噪声过滤掉
• 无文本位置采集：原来用的image_to_string只会返回识别到的纯文本，根本拿不到每段文字在图里的坐标，就算识别出了价格，也没法定位它对应哪个商品
• 无针对性识别配置：Tesseract默认配置对带小数点、货币符号的数字组合识别精度低，很容易漏识价格区域的数字。

1. 安装必要依赖 #

除了你已经装好的pytesseract和本地Tesseract-OCR，只需要装个OpenCV做简单图像预处理：
pip install opencv-python
注意要确认本地Tesseract已经装了简体中文、英文的语言包，不然混排的商品名+数字识别率会打折扣

2. 替换原有识别代码，解决识别率问题 #

把原来的裸识别代码替换成带预处理、带坐标采集的版本，核心逻辑不用自己改：

import pytesseract
import cv2

# 保留你已完成的本地Tesseract路径配置
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract'

# 读入本地图片
img = cv2.imread("local-filename.jpg")
# 灰度转换+二值化预处理，把文字和背景拉开对比度
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# 调用带坐标返回的OCR方法
ocr_result = pytesseract.image_to_data(
    thresh,
    lang='chi_sim+eng',
    # 限定识别字符范围，减少噪声干扰，针对数字、货币符号优化
    config='--psm 6 -c tessedit_char_whitelist=0123456789.$￥'
)

这里两个关键配置不用深究原理，直接用即可：

• --psm 6是指定Tesseract按“统一排版的文本块”识别，适配超市价签规整的排版逻辑，比默认的全图乱扫模式准确率高很多
• 字符白名单把识别范围锁死在数字、货币符号、小数点上，不会把货架上的无关杂点识别成无意义乱码

3. 实现商品-价格配对逻辑 #

拿到带坐标的识别结果后，用超市货架的通用排版规则做简单匹配就行，不用搞复杂的深度学习模型：

超市货架标识的通用排版规律：同一行陈列的商品，对应的价格固定在该商品名的右侧/下方固定距离处

• 先从返回的识别结果里过滤掉置信度低于60%的块，这些基本都是光影、纹理导致的识别噪声
• 把所有识别到的文本块按纵向坐标排序，纵向位置差小于50像素的块归为同一货架行
• 在每一行的文本块里，找符合“包含数字、带小数点/货币符号”特征的块，就是该行的对应价格；剩下的文本块按横向坐标顺序拼接，就是对应的商品名

简单的判断逻辑示例：

for line in ocr_result.splitlines()[1:]:
    line_parts = line.split()
    if len(line_parts) < 12:
        continue
    confidence = int(line_parts[10])
    text_content = line_parts[11]
    # 过滤低置信度噪声
    if confidence < 60:
        continue
    block_x = int(line_parts[6])
    block_y = int(line_parts[7])
    # 判断当前块是不是价格
    is_price = any(c.isdigit() for c in text_content) and ('.' in text_content or '$' in text_content or '￥' in text_content)
    # 按y坐标分桶归为同一行，把同桶内的价格和商品名做绑定即可

• 这张图里的价格字号比商品名大很多，可以在预处理时把轮廓面积超过普通文本块2倍的区域单独裁剪出来，单独喂给Tesseract识别，数字识别率能提升到90%以上——混在小字号文本里识别大字号数字也是很多人用Tesseract识别价格时最容易踩的坑
• 如果还是有数字漏识，可以单独把二值化后的图片做一次轻微的膨胀/腐蚀操作，把粘连的数字笔画分开，减少识别错误
• 配对的时候不要把距离超过100像素的块硬凑成一对，超市价签的价格和对应商品的横向距离一般不会太远，避免跨商品配对错误。

内容的提问来源于stack exchange，提问作者6563cc10d2