Tesseract 对整行数字识别准确，但对单个清晰数字图像却返回空结果，根本原因在于默认页面分割模式（PSM）不适用于孤立字符；通过显式指定 --psm 10（单字符模式）或 --psm 7/8/13 等适配小目标的模式，可显著提升单数字 OCR 准确率。
tesseract 对整行数字识别准确，但对单个清晰数字图像却返回空结果，根本原因在于默认页面分割模式（psm）不适用于孤立字符；通过显式指定 `--psm 10`（单字符模式）或 `--psm 7/8/13` 等适配小目标的模式，可显著提升单数字 ocr 准确率。
在使用 PyTesseract 进行数字 OCR 时，一个常见且令人困惑的现象是：整行数字（如 "431659"）能被正确识别，而裁剪后仅含单个数字（如单独的 "4"）的图像却返回空字符串。这并非图像质量或字体问题，而是 Tesseract 默认的页面分割策略（Page Segmentation Mode, PSM）未针对小尺寸、孤立字符优化所致。
Tesseract 默认使用 --psm 3（全自动页面分割，无 OSD），该模式假设输入为常规文本段落，对单字符图像会因“字符过少”而跳过处理或误判为噪声。解决的关键在于主动选择匹配图像语义的 PSM 值：
- ✅ --psm 10：专为单字符设计，强制将整张图视为一个独立字符，是最推荐的首选方案；
- ✅ --psm 7：将图像视为单行文本（适合居中、带边距的单字）；
- ✅ --psm 8：将图像视为单个单词（对带轻微干扰的单字鲁棒性更好）；
- ✅ --psm 13：原始行模式，绕过 Tesseract 内部启发式优化，适合结构简单、高对比度的数字图像。
以下为生产级可用的修复代码示例：
import pytesseract
from PIL import Image
def ocr_single_digit(image_path: str) -> str:
"""高鲁棒性单数字 OCR 函数"""
img = Image.open(image_path)
# 强制指定 PSM=10 + 数字白名单 + 禁用 OSD
custom_config = r'--oem 3 --psm 10 -c tessedit_char_whitelist=0123456789'
try:
text = pytesseract.image_to_string(
img,
lang='eng',
config=custom_config
).strip()
return text if text else '?'
except Exception as e:
return f'Error: {str(e)}'
# 使用示例
print(ocr_single_digit("digit_4.png")) # 输出: "4"
⚠️ 关键注意事项：
- 勿盲目放大图像：虽然插值缩放（如 Image.resize()）有时有帮助，但本案例中原始图像已足够清晰，强行缩放反而可能引入模糊或锯齿，优先尝试 PSM 调优；
- 分辨率警告可忽略：日志中 Invalid resolution 0 dpi. Using 70 instead 是常见提示，不影响单字符识别，无需额外设置 DPI；
- 白名单必不可少：添加 -c tessedit_char_whitelist=0123456789 可显著减少误识（如将 1 识别为 l 或 I）；
- 验证 PSM 范围：若 psm 10 在特定字体下效果不佳，可快速遍历 psm 7, 8, 13 进行基准测试（参考答案中的完整测试脚本）。
总结而言，Tesseract 的 PSM 不是“越智能越好”，而是“越匹配越准”。面对单字符 OCR 场景，放弃默认的全自动分割，转而采用语义明确的 --psm 10，是解决此类问题最直接、高效且符合设计意图的方法。
