如何优化Pytesseract从低质量小尺寸数字图像中提取文本的准确率？

问题背景 #

我正在尝试用pytesseract从图像中提取数字，它能识别部分数字（1、2、3、5、6、20...），但没法覆盖所有情况。我用的图像尺寸很小（75x26），字体质量一般，但人眼可以清晰识别。

我试过一些预处理，比如对比度增强：

from PIL import Image, ImageEnhance

image = Image.open(f"{i}.png")
gray = image.convert("L")
enhancer = ImageEnhance.Contrast(gray)
image_enhanced = enhancer.enhance(2.0)
text = pytesseract.image_to_string(image_enhanced, config="--psm 6 -c tessedit_char_whitelist=0123456789")
print(text)

也试过用OpenCV做阈值处理，但效果还是不好（比如识别不出1，把11识别成0，把9识别成3...）：

img = cv2.imread(f'/content/{i}.png')
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
_, thresh = cv2.threshold(gray, 170, 255, cv2.THRESH_BINARY)
text = pytesseract.image_to_string(thresh, config="--psm 6 -c tessedit_char_whitelist=0123456789")

想知道有没有更多预处理步骤能提升识别准确率？我知道可以微调pytesseract，但觉得这应该是基础问题，不想先花太多时间在微调上。

我的解决方案 #

嘿，我之前也踩过类似小尺寸低质量数字识别的坑，结合实战经验给你几个针对性的优化方向，应该能解决你识别7、11、415这类数字的难题：

• 优先放大图像，解决小尺寸核心问题
  Tesseract的训练样本大多是常规尺寸的文本，75x26的小图像特征太模糊，先把图像放大2-4倍（用高质量插值算法，避免边缘锯齿），会让数字的轮廓特征清晰很多。比如用PIL实现：

from PIL import Image, ImageEnhance

image = Image.open(f"{i}.png")
# 放大3倍，用LANCZOS插值保持清晰度
scaled_image = image.resize((image.width*3, image.height*3), Image.Resampling.LANCZOS)
gray = scaled_image.convert("L")

用OpenCV的话可以这么写：

img = cv2.imread(f'/content/{i}.png')
img = cv2.resize(img, None, fx=3, fy=3, interpolation=cv2.INTER_LANCZOS4)

• 替换固定阈值为自适应阈值，适配局部明暗
  你用的固定阈值（170）没法适配所有图像的明暗差异，自适应阈值会根据每个局部区域的亮度自动调整阈值，对付这类模糊字体效果更好。注意如果你的数字是深色、背景浅色，记得用THRESH_BINARY_INV反转颜色，让数字变成白色、背景黑色，更贴合Tesseract的训练习惯：

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 自适应阈值：blockSize选奇数（比如11），C是微调偏移量（比如2）
thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)

• 调整PSM参数，精准匹配单数字串场景
  你用的--psm 6是假设图像是一块均匀文本，但对于单数字串，试试--psm 8（假设图像是单个词）或者--psm 10（假设图像是单个字符），这两个参数能让Tesseract更聚焦于你的目标内容：

text = pytesseract.image_to_string(thresh, config="--psm 8 -c tessedit_char_whitelist=0123456789")
# 记得strip()去掉多余的换行和空格
print(text.strip())

• 用形态学操作修复字体瑕疵
  有些模糊数字会有断笔、毛刺，用OpenCV的闭运算修复断笔，开运算去除毛刺，让数字轮廓更规整：

# 创建3x3的矩形结构元素
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
# 闭运算：先膨胀后腐蚀，填补断笔
thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)
# 开运算：先腐蚀后膨胀，去除毛刺
thresh = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)

• 组合预处理流程，效果翻倍
  把上面的步骤组合起来，完整流程大概是：

1. 放大图像 → 2. 转灰度 → 3. 自适应阈值二值化（反转） → 4. 形态学修复 → 5. Tesseract识别

我之前用这套流程解决过类似的小尺寸数字识别问题，识别准确率提升非常明显，不需要微调模型就能覆盖大部分场景。

备注：内容来源于stack exchange，提问作者User_123917425