Python+OpenCV下Pytesseract配置：如何避免返回单数字输出？

你的核心需求是让Tesseract只输出两位数字（10-99）、避免单数字结果，首先得修正你原来配置里的错误参数，再加上强制字符长度的限制。

正确的Config参数 #

直接替换成下面的配置即可：

text = pytesseract.image_to_string(Image.open(filename), config='--oem 3 --psm 8 -c tessedit_char_whitelist=0123456789 -c tessedit_char_min_length=2 -c tessedit_char_max_length=2')

参数详解 #

我们逐个拆解每个参数的作用，帮你理解为什么这么配置：

• --oem 3：这是OCR引擎模式的正确写法（你之前的--eom是拼写错误），使用默认的混合引擎（传统引擎+LSTM），兼容性和识别准确率都比较均衡。
• --psm 8：页面分割模式设为“单个单词”，正好匹配你识别两位数字的场景——两位数字本身就是一个独立的“单词”，让Tesseract不用做复杂的页面分割，专注识别这一组字符。
• -c tessedit_char_whitelist=0123456789：保留你原来的白名单配置，只允许识别数字，过滤掉任何非数字字符干扰。
• -c tessedit_char_min_length=2：强制Tesseract返回至少2个字符的结果，直接杜绝单数字输出的可能。
• -c tessedit_char_max_length=2：限制结果最多2个字符，完全符合你“两位数字”的需求。

额外建议 #

如果识别准确率还不够理想，建议先对图像做预处理（用OpenCV）：

• 转成灰度图：cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
• 二值化处理：cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]
• 去除噪声：比如用cv2.medianBlur()或者cv2.GaussianBlur()

预处理后的图像对比度更高，Tesseract的识别效果会好很多。

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