Tesseract OCR 无法识别简单数字

Question

我对 Python 相当陌生，但已经遇到了困难。 我正在尝试对非常简单的数字使用 OCR。它们会弹出在屏幕上，并且应该由 OCR 读取，然后将它们粘贴到 cvs 文件中。除了 OCR 之外，一切正常。

它有时确实有效，但如果您查看两张图片，其中一个数字会被检测到，而另一个则不会。难道我做错了什么？有人知道如何改进它吗？我可以在我的项目中使用其他东西来代替 OCR 图像识别吗？

这是我的代码：

import pytesseract
from PIL import Image

pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

screenshot = Image.open("test_image.png")

text = pytesseract.image_to_string(screenshot)

print("Recognized Text:", text)

---

• 顺便说一句，我使用了 tesseract 可执行文件的完整路径，因为否则它似乎无法在任何地方找到它。

• 图像格式为PNG

我尝试调整大小、更改字体、建立高对比度并尝试降低对比度。在许多不同的示例中尝试过，每个示例的得分不一致。

导致无法工作或工作不一致。

Answer 1

确实看到 PSM 评论。

您还必须处理二值化。 你的图像是黑底白字。默认二值化预计为白底黑字。

pytesseract.image_to_string(255-np.asarray(screenshot)[...,0], config='--psm 8').strip()

应该可以正常工作

np.asarray(screenshot)

以数组的形式获取图像。

由于你的图像是RGB（甚至RGBA），我们想先将其变成灰度。这就是

np.asarray(screenshot)[...,0]

的作用（即仅获得红色级别。也适用于绿色和蓝色，即

...,1

和

...,2

。只是，不要使用

...,3

，这是 alpha 通道，因为都是255。 对于更多彩色图像，将彩色图像转换为可见的黑白图像可能会比较困难。但在这里，这并不重要。您的图像显然是由 (0,0,0,255) 黑色和 (255,255,255,255) 白色组成。

然后，我们需要将其转为白底黑字，即反转值：

255-np.asarray(screenshot)[...,0]

并且您可以传递给 tesseract。确实使用正确的 psm。在这里

8

选择一个需要单个单词的 psm。

.strip()

删除控制字符。