安装chi_sim语言包后，pytesseract无输出结果的问题求助

已为chi_sim安装语言支持，/usr/share/tesseract-ocr/5/tessdata目录下的文件列表：

ls /usr/share/tesseract-ocr/5/tessdata
chi_sim.traineddata  eng.traineddata  pdf.ttf
configs          osd.traineddata  tessconfigs

运行以下测试代码后无任何输出：

import cv2
from PIL import Image
import pytesseract
from pyocr import tesseract
image_path = 'photo.jpeg'
image = cv2.imread(image_path)
image = Image.fromarray(image)
text = pytesseract.image_to_string(image, lang='chi_sim')
print(text)

执行print(pytesseract.get_languages(config=''))返回['chi_sim', 'eng', 'osd']，询问无输出的原因。

1. 图像颜色空间不匹配 #

OpenCV默认以BGR格式读取图像，而PIL使用RGB格式，直接转换会导致颜色信息错乱，干扰Tesseract识别。
修复代码：

import cv2
from PIL import Image
import pytesseract

image_path = 'photo.jpeg'
image = cv2.imread(image_path)
# 将BGR格式转为RGB
image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
image = Image.fromarray(image_rgb)
text = pytesseract.image_to_string(image, lang='chi_sim')
print(text)

2. 图像质量未达识别要求 #

Tesseract对图像清晰度、对比度要求较高，若图像存在模糊、噪声、倾斜等问题，会导致无法识别文字。可添加预处理步骤：

import cv2
from PIL import Image
import pytesseract

image_path = 'photo.jpeg'
image = cv2.imread(image_path)
# 转为灰度图
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 二值化增强对比度
_, image_binary = cv2.threshold(image_gray, 127, 255, cv2.THRESH_BINARY)
# 去除噪声
image_clean = cv2.medianBlur(image_binary, 3)
# 转为PIL图像
image = Image.fromarray(image_clean)
text = pytesseract.image_to_string(image, lang='chi_sim')
print(text)

3. Tesseract配置参数不合理 #

默认配置可能不适配中文文本的排版，可指定页面分割模式（PSM）优化识别：

text = pytesseract.image_to_string(image, lang='chi_sim', config='--psm 6')

PSM 6表示假设图像为单一均匀文本块，适合多数常规场景。

4. 训练数据版本不兼容 #

确认chi_sim.traineddata与Tesseract 5.x版本兼容，可重新下载官方最新训练数据替换：

wget https://github.com/tesseract-ocr/tessdata/raw/main/chi_sim.traineddata -O /usr/share/tesseract-ocr/5/tessdata/chi_sim.traineddata

5. 测试图像无有效中文文本 #

需确认photo.jpeg中确实包含清晰、无遮挡的中文文本，排除图像本身无识别内容的情况。

内容的提问来源于stack exchange，提问作者showkey