使用PIL二值化优化OCR:显示正常但存为全黑PNG、pytesseract无识别结果如何排查
问题原因和修正方案
核心bug定位
你现在遇到的「预览正常、保存全黑、OCR识别无效」的问题,就是两个实现细节没注意,叠加起来触发的:
- 生成图像数组时没指定符合图像规范的数据类型
你把嵌套的Python整数列表转成numpy数组时,没主动指定uint8类型,numpy默认会生成int64格式的数组。PIL的Image.fromarray对数组类型有固定解析规则:只有uint8格式的单通道数组,才会按照0(纯黑)-255(纯白)的灰度范围解释像素值;如果是int64这类长整型数组,PIL会按照长整型的全取值范围做线性映射,你传入的0、255这类极小的数值,会被判定为接近全黑的像素。最终保存的PNG是全黑图,传给pytesseract的也是没有有效文本特征的全黑图像,自然只能返回无意义的换页符。 - 逐像素循环的写法冗余还容易触发隐式类型转换
你写的双重循环逐像素赋值的逻辑,不仅运行效率低,过程中还可能触发各种隐式的类型转换,引入像素值错位的问题。 - 路径逻辑的隐性坑
你循环处理所有图片时,所有处理后的图像都用同一个文件名processed.png保存,每处理一个文件就覆盖一次之前的结果,最后存下来的只有最后一个文件的处理结果,也很容易误以为所有文件的保存效果都不对。
可直接使用的修正代码
import os import numpy as np from PIL import Image, ImageOps import pytesseract basepath = 'img_bin/' image_list = os.listdir(basepath) # 可根据实际图像调整的二值化阈值 BINARY_THRESHOLD = 20 for file in image_list: if os.path.isfile(os.path.join(basepath, file)): print(f"处理文件:{file}") # 读取为8位灰度图 gray_img = Image.open(os.path.join(basepath, file)).convert("L") # 反相后转为显式uint8类型的numpy数组 inverted_np = np.array(ImageOps.invert(gray_img), dtype=np.uint8) # 向量化完成二值化:大于阈值的像素设为黑色,其余设为白色 binary_np = np.where(inverted_np > BINARY_THRESHOLD, 0, 255).astype(np.uint8) # 生成和预览效果完全一致的处理后图像 processed_img = Image.fromarray(binary_np) # 不需要保存的话直接调用OCR即可 ocr_text = pytesseract.image_to_string(processed_img, lang='chi_sim+eng') print(f"识别内容长度:{len(ocr_text)}") print(f"识别结果:{ocr_text}") # 如有需要再执行保存,不同文件用不同文件名避免覆盖 # processed_img.save(os.path.join(basepath, f'processed_{file}'))
关键调整说明
- 所有numpy数组运算全程绑定
uint8类型,彻底解决PIL解析数组的类型错位问题,保证保存的图像、传给OCR的图像和本地预览的效果完全一致 - 用
np.where向量化操作替代逐像素的双重循环,处理速度比手写循环快几十倍,也不会出现行列顺序错位的问题 - 保存时按源文件名命名输出文件,避免循环处理时反复覆盖结果
- pytesseract调用时补上常用的中英文语言参数,可根据本地安装的语言包调整,提升识别准确率
内容的提问来源于stack exchange,提问作者Drew
相关产品推荐
相关产品推荐

