Tesseract OCR 教程：解决单个数字识别失败问题（PSM 模式详解）-Python教程-PHP中文网

Tesseract OCR 教程：解决单个数字识别失败问题（PSM 模式详解）

Tesseract 对整行数字识别准确，但对单个清晰数字图像返回空结果？根本原因在于默认页面分割模式（PSM）不适用于孤立字符，需显式指定 --psm 10 等适配小目标的模式，并配合字符白名单与分辨率优化。

tesseract 对整行数字识别准确，但对单个清晰数字图像返回空结果？根本原因在于默认页面分割模式（psm）不适用于孤立字符，需显式指定 `--psm 10` 等适配小目标的模式，并配合字符白名单与分辨率优化。

在使用 pytesseract 进行数字 OCR 时，一个常见却令人困惑的现象是：整行数字（如 "431659"）能被完美识别，而将同一行切割出的单个数字图像（如仅含 "4" 的小图）却返回空字符串 ''。这并非图像质量或字体问题，而是 Tesseract 内部的页面分割逻辑（Page Segmentation Mode, PSM）在默认配置下无法合理处理“超小文本区域”。

Tesseract 默认使用 --psm 3（全自动分段，无方向检测），该模式专为常规文档行设计，会主动忽略尺寸过小、上下文不足的区域——单个数字图像恰好落入此“被忽略”范畴。解决方案核心在于切换至语义匹配的 PSM 模式：

OpenCLI Tool Integration

一款AI开发辅助工具，主要用于使用 OpenCLI 工具，可从各类网站及桌面应用中提取数据、下载媒体内容、控制外部 CLI 工具。支持 Bilibili、知乎、小红书、Twitter/X、Reddit、YouTube、Boss直聘、即刻、微博等 30+ 个平台，以及 Cursor、Codex、ChatGPT、Notion 等桌面应用。当用户需要：从社...，适合需要提升相关任务效率的用户。

下载

✅ 推荐 PSM 模式（针对单字符/单数字）

PSM 值	含义	适用场景
7	将图像视为单行文本	短数字串（如 "42"）
8	将图像视为单个单词	中等尺寸数字块（如 "123"）
10	将图像视为单个字符 ✅	最优选：单个数字/符号
13	原始行模式（绕过内部启发式）	高度定制化场景

? 实测验证：对纯白背景、高对比度的单数字图像（如您提供的 02.png），--psm 10 在未缩放、未二值化的前提下即可稳定输出正确结果。

? 完整可运行代码示例

import pytesseract
from PIL import Image

# 单数字图像路径（例如仅含"4"的PNG）
img = Image.open("digit_4.png")

# 关键配置：PSM 10 + 数字白名单 + 显式语言
custom_config = r'--oem 3 --psm 10 -c tessedit_char_whitelist=0123456789'
text = pytesseract.image_to_string(img, lang='eng', config=custom_config).strip()

print(f"识别结果: '{text}'")  # 输出: '4'

⚠️ 关键注意事项

分辨率陷阱：Tesseract 要求图像 DPI ≥ 70（否则自动降级为 70）。若原始截图 DPI 为 0（常见于程序生成图），建议预处理：
```
img = img.convert('RGB')  # 确保三通道
img = img.resize((img.width * 2, img.height * 2), Image.Resampling.LANCZOS)  # 2倍超采样
```
白名单强制生效：添加 -c tessedit_char_whitelist=0123456789 可显著提升数字识别鲁棒性，避免误识为字母 O/l。
避免过度预处理：无需复杂二值化或去噪——Tesseract 4.1+ 的 LSTM 引擎对干净数字图效果极佳；过度处理反而破坏边缘特征。
调试技巧：遍历 PSM 0–13 快速定位最优值（如答案中脚本所示），生产环境固定为 10 即可。