Python中使用pytesseract与OpenCV进行图像转文字时识别准确率低的解决方案求助

Hi Cristi, 我完全懂你现在的烦恼——直接用原始图片跑OCR很容易因为图像对比度不够、有噪声或者字符特征不明显，导致识别出一堆错误内容，就像你得到的结果里出现29212x这种明显不对的字符。结合你的场景，我给你几个针对性的优化方案，应该能大幅提升识别准确率：

一、先做好图像预处理（这是提升准确率的关键！） #

Tesseract对输入图像的要求很高，干净的黑白二值图识别效果最好，所以先给图像做这几步处理：

• 转灰度图：彩色图像的色彩信息会干扰识别，先转成灰度图，减少计算量和不必要的干扰
• 二值化（阈值处理）：把图像变成纯黑纯白的二值图，让字符和背景彻底分离。推荐用Otsu自动阈值，它能根据图像自动计算最合适的阈值，适合处理光照不均的情况；如果效果不好，也可以试试自适应阈值
• 去除噪声：用中值滤波消除图像中的小噪点，避免这些噪点被识别成多余的字符

二、调整Tesseract的识别参数 #

通过自定义参数限制识别范围和模式，能有效减少错误率：

• 指定字符白名单：你的图像里只有数字、x、K、.这些字符，直接告诉Tesseract只识别这些字符，就能过滤掉其他可能的错误识别
• 设置合适的页面分割模式（PSM）：你的内容是多行连续文本，用--psm 6（假设输入是单一的均匀文本块）就很合适，避免Tesseract错误分割文本

优化后的完整代码 #

import pytesseract
import cv2

# 加载图像
imagem = cv2.imread("imagem.png")

# 预处理流程
# 转灰度图
gray_img = cv2.cvtColor(imagem, cv2.COLOR_BGR2GRAY)
# Otsu自动阈值二值化（反转后字符为白色，背景为黑色，更符合Tesseract的识别习惯）
binary_img = cv2.threshold(gray_img, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]
# 中值滤波去除小噪声
clean_img = cv2.medianBlur(binary_img, 3)

# 自定义Tesseract配置参数
# --oem 3：使用默认的OCR引擎模式
# --psm 6：假设输入是单一的均匀文本块
# tessedit_char_whitelist：只允许识别指定字符
custom_config = r'--oem 3 --psm 6 -c tessedit_char_whitelist=0123456789xK.'

# 识别文本
texto = pytesseract.image_to_string(clean_img, config=custom_config)

print(texto)

额外优化建议 #

如果上面的方法还达不到你的预期，可以试试这些：

• 缩放图像：如果原始图像的字符很小，用cv2.resize(imagem, None, fx=2, fy=2, interpolation=cv2.INTER_CUBIC)把图像放大2倍，让字符轮廓更清晰
• 调整阈值参数：如果Otsu阈值效果不好，可以换成普通阈值，手动调整阈值数值，比如cv2.threshold(gray_img, 127, 255, cv2.THRESH_BINARY_INV)
• 更新Tesseract版本：确保你用的是最新版本的Tesseract，新版本的识别模型经过训练，准确率会更高

备注：内容来源于stack exchange，提问作者Cristi Garcia