如何使用Python和Tesseract优化图像文字识别准确率

import cv2
import pytesseract
import numpy as np # 通常用于处理PIL Image转OpenCV

def preprocess_image_for_ocr(image_path):
    # 读取图像
    image = cv2.imread(image_path, cv2.IMREAD_UNCHANGED)
    if image is None:
        print(f"错误：无法加载图像 {image_path}")
        return None

    # 转换为灰度图
    gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    return gray_image

    # ... (接上文 preprocess_image_for_ocr 函数)
    # 转换为灰度图
    gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    # 二值化处理：将灰度图转换为纯黑白图像
    # cv2.threshold(src, thresh, maxval, type)
    # src: 输入灰度图像
    # thresh: 阈值，像素值高于此值设为maxval，低于此值设为0（或反之）
    # maxval: 设定的最大值（通常为255）
    # type: 阈值类型，如cv2.THRESH_BINARY（高于阈值设为maxval，否则为0）
    (thresh, black_and_white_image) = cv2.threshold(gray_image, 170, 255, cv2.THRESH_BINARY)
    # 这里的170是经验值，可根据实际图像调整。对于浅色背景深色文字，通常文本像素值较低。
    return black_and_white_image

    # ... (接上文 preprocess_image_for_ocr 函数)
    # 假设 black_and_white_image 已经生成
    # 裁剪图像：[y_start:y_end, x_start:x_end]
    # 示例：裁剪区域从 (x=314, y=59) 到 (x=560, y=96)
    cropped_image = black_and_white_image[59:96, 314:560]
    return cropped_image

    # ... (接上文 preprocess_image_for_ocr 函数)
    # 假设 cropped_image 已经生成
    # 缩放图像
    scale_percent = 100 # 缩放百分比，这里保持不变
    width = int(cropped_image.shape[1] * scale_percent / 100)
    height = int(cropped_image.shape[0] * scale_percent / 100)
    dim = (width, height) # 新的尺寸

    # cv2.resize(src, dsize, fx, fy, interpolation)
    # interpolation: 插值方法，cv2.INTER_AREA适用于缩小，cv2.INTER_CUBIC或cv2.INTER_LINEAR适用于放大
    resized_image = cv2.resize(cropped_image, dim, interpolation = cv2.INTER_AREA)
    return resized_image

import cv2
import pytesseract
import numpy as np
from PIL import Image # 虽然示例中直接用cv2读取，但如果输入是PIL.Image对象，需要转换

# 配置pytesseract的执行路径，如果pytesseract.pytesseract.tesseract_cmd报错，需要设置
# pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe' # Windows示例

def get_text_from_image_optimized(image_path):
    """
    优化Tesseract OCR识别文本的函数。
    包括图像预处理（灰度、二值化、裁剪、缩放）和Tesseract配置。
    """
    # 1. 读取图像
    image = cv2.imread(image_path, cv2.IMREAD_UNCHANGED)
    if image is None:
        print(f"错误：无法加载图像 {image_path}")
        return ""

    # 2. 图像预处理
    # 转换为灰度图
    gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    # 二值化处理：将灰度图转换为纯黑白图像
    # 阈值170是示例值，具体应根据图像背景和文本颜色调整。
    # 目标是让文本变黑，背景变白。
    (thresh, black_and_white_image) = cv2.threshold(gray_image, 170, 255, cv2.THRESH_BINARY) 

    # 裁剪图像：聚焦到文本区域 [y_start:y_end, x_start:x_end]
    # 这些坐标是针对特定图像（如原始问题中的"sign.png"）的，需要根据实际情况调整。
    cropped_image = black_and_white_image[59:96, 314:560] 

    # 缩放图像：如果字符过小或过大，可以调整
    scale_percent = 100 # 这里保持原始尺寸，如果需要放大或缩小，可修改此值
    width = int(cropped_image.shape[1] * scale_percent / 100)
    height = int(cropped_image.shape[0] * scale_percent / 100)
    dim = (width, height)
    resized_image = cv2.resize(cropped_image, dim, interpolation = cv2.INTER_AREA)

    # 3. Tesseract OCR配置
    # --psm 3: 自动进行页面分割，然后识别文本（适用于单列文本块）
    # --oem 3: 使用默认的OCR引擎模式（通常是LSTM神经网络引擎）
    # -l eng: 指定识别语言为英语
    custom_config = r'--psm 3 --oem 3 -l eng'

    # 4. 执行OCR识别
    text_from_img = pytesseract.image_to_string(resized_image, config=custom_config)

    # 5. 可选：显示预处理后的图像
    cv2.imshow("预处理后的图像", resized_image)
    cv2.waitKey(1200) # 显示1.2秒
    cv2.destroyAllWindows()

    return text_from_img.strip() # 返回去除首尾空白的文本

if __name__ == '__main__':
    # 假设你有一个名为 "sign.png" 的图像文件
    ocr_text = get_text_from_image_optimized("sign.png")
    print("识别结果：")
    print(ocr_text)

    # 预期的输出对于 "sign.png" 图像是 "SPIKE PLANTED"