Tesseract OCR在低对比度图像中无法识别文本/数字，求预处理等解决方案

我之前处理过不少Tesseract在低对比度图像上识别失效的场景，给你分享几个亲测有用的预处理方案和替代思路：

预处理是提升低对比度图像OCR准确率的核心，这里推荐几个针对性的方法：

• 自适应直方图均衡化（CLAHE）
  全局直方图均衡化容易过度增强噪点，而CLAHE会分块处理图像，保留局部细节，非常适合明暗不均的低对比度图。用OpenCV实现的代码示例：

  import cv2
  
  # 读取图像为灰度图
  img = cv2.imread("low_contrast_img.jpg", 0)
  # 初始化CLAHE，clipLimit控制对比度增强程度，tileGridSize是分块大小
  clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
  enhanced_img = clahe.apply(img)
  # 保存增强后的图像
  cv2.imwrite("enhanced_img.jpg", enhanced_img)
  

  这个操作能有效拉开文本与背景的灰度差，让Tesseract更容易捕捉到文本边缘。

• 自适应阈值化
  全局阈值在光照不均的图像里效果很差，自适应阈值会根据每个局部区域的灰度值计算阈值，能精准分离文本和背景。示例代码：

  # 对灰度图做自适应阈值反二值化（让文本为白色，背景为黑色）
  thresh_img = cv2.adaptiveThreshold(
      img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2
  )
  

  调整最后两个参数（块大小和常数）可以适配不同的图像场景。

• Gamma校正
  如果图像整体偏暗或偏亮导致对比度低，Gamma校正可以快速调整亮度，让文本更突出。实现代码：

  import numpy as np
  
  def adjust_gamma(image, gamma=1.0):
      inv_gamma = 1.0 / gamma
      # 创建Gamma校正的查找表
      table = np.array([((i / 255.0) ** inv_gamma) * 255 for i in np.arange(0, 256)]).astype("uint8")
      return cv2.LUT(image, table)
  
  # gamma<1提亮图像，gamma>1变暗图像，根据实际情况调整
  gamma_corrected = adjust_gamma(img, gamma=0.5)
  

• 形态学降噪
  增强对比度后可能会出现噪点，用形态学开运算（先腐蚀再膨胀）可以去除小噪点，同时保留文本的完整性：

  kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
  cleaned_img = cv2.morphologyEx(thresh_img, cv2.MORPH_OPEN, kernel, iterations=1)
  

如果预处理后效果仍不理想，可以试试这些思路：

• 优化Tesseract参数
  针对数字识别场景，调整Tesseract的参数能大幅提升准确率：

  • 设置页面分割模式：比如识别单行数字用--psm 7，单字符用--psm 10；
  • 启用字符白名单：只允许识别数字，添加参数-c tessedit_char_whitelist=0123456789；
  • 指定OCR引擎模式：用--oem 3启用默认的混合引擎模式。

• 换用更鲁棒的OCR工具
  部分离线OCR工具对低对比度图像的容忍度更高：

  • EasyOCR：支持多语言，对模糊、低对比度图像的识别效果优于原生Tesseract；
  • PaddleOCR：轻量化模型，针对中文和数字场景做了优化，离线部署方便。

• 自定义模型微调
  如果是固定场景的数字识别（比如特定字体、固定排版），可以用Tesseract的训练工具，用自己标注的低对比度图像微调模型，不过这个适合批量处理的场景，成本相对较高。

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