使用pytesseract与cv2识别血条时OCR误判分隔线为数字1的解决问询

• 最省成本的思路是直接把分隔线踢出识别范围：你识别的是固定位置的游戏UI，这根竖分隔线的坐标是完全固定的，根本没必要让它进入OCR的识别域。
• 裁剪OCR输入ROI的时候，沿着分隔线右侧往左多裁2-3个像素，把竖线完全排除在裁剪范围外，从根源上消除误判可能。
• 如果裁剪框已经固定没法调整，就直接在预处理阶段把分隔线所在的像素区域，填充成和数字背景一致的纯黑色，对应代码：

# 假设分隔线在ROI左边缘x=0到x=8的像素范围
ocr_input_img[:, 0:8] = 0

• 不想改裁剪框的话，可以用预处理滤除细竖线干扰：UI上的分隔线是很细的纵向线条，比真实数字的笔画细很多，用横向的小结构元做形态学开运算，就能把这种细竖线磨掉，完全不影响正常的数字笔画识别。
• 对应实现代码：

gray = cv2.cvtColor(ocr_input_img, cv2.COLOR_BGR2GRAY)
_, img_bin = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 用横向2px、纵向1px的核，专门滤除细纵向干扰线
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2, 1))
clean_img = cv2.morphologyEx(img_bin, cv2.MORPH_OPEN, kernel)

• 不要用Tesseract的默认配置识别，直接把识别范围卡死：本来要识别的内容只有数字和斜杠，根本不需要让模型去匹配其他字符，同时指定单行识别模式，减少模型的无依据猜测。
• 调用的时候传入自定义配置即可：

# psm 7 表示把输入图当成独立单行文本处理，不做多余的版面分析
custom_config = r'--psm 7 -c tessedit_char_whitelist=0123456789/'
ocr_result = pytesseract.image_to_string(clean_img, config=custom_config).strip()

这个配置对小尺寸的单行数字识别准确率提升非常明显，能减少80%左右的无意义误判。

• 最后加一层后置校验的兜底逻辑，不管前面的步骤有没有疏漏，这个逻辑都能把偏差拉回来：血条的固有格式永远是当前HP/最大HP，正常逻辑下当前HP绝对不会比最大HP高。
• 拿到识别结果之后，按斜杠拆分两个数值，如果发现当前HP大于最大HP，就从识别结果的最左侧逐位删除数字，直到拆分后的数值符合逻辑即可。
• 举个实际例子：拿到的错误识别结果是11189/10180，拆分后当前值11189比最大值10180大，删掉第一位得到1189/10180，还是超出最大值范围，再删第一位得到189/10180，这时候数值逻辑通顺，就是正确结果。

内容的提问来源于stack exchange，提问作者Freudk1k2k3