使用easyOCR在Python中读取阿拉伯文本时识别不全的问题求助

我在Python中使用EasyOCR读取阿拉伯文本时遇到了识别不完整的问题，已经对图片做了对比度调整等预处理，但效果依然不好。以下是我使用的代码和待识别的图片：

!pip install easyocr
!pip install --upgrade easyocr opencv-python

import easyocr
import cv2
from matplotlib import pyplot as plt
from google.colab import files
import numpy as np
from PIL import Image

uploaded = files.upload()
image_path = next(iter(uploaded))

image = Image.open(image_path)
image = np.array(image)

plt.imshow(image)
plt.axis("off")
plt.show()

def test_easyocr_basic(image):
    reader = easyocr.Reader(['en', 'ar'])
    result = reader.readtext(image)

    img_draw = image.copy()
    for i, (bbox, text, prob) in enumerate(result, start=1):
        print(f"{i}. [{prob:.2f}] {text}")
        top_left = tuple(map(int, bbox[0]))
        bottom_right = tuple(map(int, bbox[2]))
        cv2.rectangle(img_draw, top_left, bottom_right, (0, 255, 0), 2)
    plt.figure(figsize=(10, 10))
    plt.imshow(cv2.cvtColor(img_draw, cv2.COLOR_BGR2RGB))
    plt.axis("off")
    plt.show()

test_easyocr_basic(image)

问题排查与优化方案 #

• 修复代码基础问题：原代码中test_easyocr_basic函数内的代码存在缩进错误，会导致运行报错，需先修正该语法问题。
• 调整语言优先级：初始化Reader时将阿拉伯语'ar'放在第一位['ar', 'en']，让模型优先处理阿拉伯文本，适配从右到左的文本排版特性。
• 强化图像预处理：在现有对比度调整基础上，添加灰度转换、自适应二值化、降噪步骤，进一步突出文本特征：

  def preprocess_image(image):
      # 转为灰度图
      gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)
      # 自适应二值化
      thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)
      # 去除噪声
      denoised = cv2.medianBlur(thresh, 3)
      # 转回RGB格式适配EasyOCR
      return cv2.cvtColor(denoised, cv2.COLOR_GRAY2RGB)
  

  调用时先执行processed_image = preprocess_image(image)，再传入识别函数。
• 调整识别参数：添加contrast_ths=0.3过滤低对比度干扰区域，或设置adjust_contrast=0.6增强图像对比度；若文本集中在特定区域，可裁剪图片后再识别，减少背景干扰。

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