使用Tesseract做OCR时，如何让OpenCV Mat与Leptonica Pix结果质量一致？

我一眼就看到问题出在OpenCV图像格式与Tesseract期望的格式不匹配上，这是个很常见的新手坑，咱们一步步来解决：

问题根源 #

• OpenCV的imread()默认读取的是BGR格式的3通道彩色图像（Mat的type是CV_8UC3），但你调用ocr.SetImage()时指定了1作为通道数，这相当于告诉Tesseract“这是单通道灰度图”，但实际传入的是3通道BGR数据，数据解析完全混乱，自然识别结果差、置信度低。
• 而Leptonica的pixRead()会自动正确识别图像的通道数和色彩空间（比如彩色图会以RGB格式加载），所以Tesseract能正确处理，得到正常的识别结果。

解决方案 #

有两种靠谱的处理方式，选哪种都能让OpenCV输入的效果和Leptonica一致：

方式1：转换为灰度图输入（推荐，OCR通常灰度图效果更稳定） #

把OpenCV读取的彩色图转换成单通道灰度图，再传给Tesseract，这样通道数匹配，数据解析正确：

void opencvVariant(string titleFile) {
    cout << endl << "OpenCV variant (Grayscale)..." << endl;
    TessBaseAPI ocr;
    ocr.Init(NULL, "eng");
    Mat image = imread(titleFile);
    // 转换为灰度图
    Mat gray;
    cvtColor(image, gray, COLOR_BGR2GRAY);
    // 现在是单通道，参数正确
    ocr.SetImage(gray.data, gray.cols, gray.rows, 1, gray.step);
    char* outText = ocr.GetUTF8Text();
    int confidence = ocr.MeanTextConf();
    cout << "Text: " << outText << endl;
    cout << "Confidence: " << confidence << endl;
    // 记得释放内存！
    ocr.End();
    delete[] outText;
}

方式2：转换为RGB格式的彩色图输入 #

如果需要保留彩色信息（虽然OCR大多时候不需要），要把OpenCV的BGR转换成RGB，然后指定3通道：

void opencvVariant(string titleFile) {
    cout << endl << "OpenCV variant (RGB)..." << endl;
    TessBaseAPI ocr;
    ocr.Init(NULL, "eng");
    Mat image = imread(titleFile);
    // BGR转RGB
    Mat rgb;
    cvtColor(image, rgb, COLOR_BGR2RGB);
    // 指定3通道
    ocr.SetImage(rgb.data, rgb.cols, rgb.rows, 3, rgb.step);
    char* outText = ocr.GetUTF8Text();
    int confidence = ocr.MeanTextConf();
    cout << "Text: " << outText << endl;
    cout << "Confidence: " << confidence << endl;
    // 释放资源
    ocr.End();
    delete[] outText;
}

额外注意事项 #

• 记得调用ocr.End()释放Tesseract的资源，以及delete[] outText释放识别结果的内存，避免内存泄漏。
• 你的Leptonica代码片段没写完，也要记得在最后调用pixDestroy(&image)和ocr.End()、delete[] outText来释放资源。

这样修改后，OpenCV输入的识别结果就会和Leptonica版本完全一致了！

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