Tesseract OCR是一款开源的光学字符识别引擎，默认配置下对清晰、规整的文本图像识别效果较好，但实际场景中往往会遇到模糊、倾斜、背景复杂的图像，导致识别准确率下降。通过合理的图像预处理和引擎配置调整，可以显著提升最终的识别精度。
图像预处理技巧
图像预处理是提升Tesseract识别精度的第一步，目的是将输入图像转换为Tesseract更容易识别的格式，减少干扰因素。
1. 灰度化与二值化
彩色图像包含大量冗余颜色信息，会增加识别干扰，首先将图像转为灰度图，再通过二值化将文字与背景分离。以下是使用Python的OpenCV库实现该过程的代码：
import cv2
# 读取原始图像
img = cv2.imread("test_image.jpg")
# 转为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 自适应二值化，应对不同光照场景
binary = cv2.adaptiveThreshold(
gray,
255,
cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
cv2.THRESH_BINARY,
11,
2
)
# 保存预处理后的图像
cv2.imwrite("processed_image.jpg", binary)
2. 图像降噪
图像中的噪点会被Tesseract误判为字符，导致识别错误。可以使用中值滤波或者高斯滤波去除噪点，示例代码如下：
# 中值滤波降噪，窗口大小3x3 denoised = cv2.medianBlur(binary, 3) # 高斯滤波降噪，核大小5x5，标准差为0 gaussian_denoised = cv2.GaussianBlur(binary, (5, 5), 0)
3. 倾斜校正
倾斜的文本图像会严重影响识别效果，可以通过霍夫变换检测文本行角度，再进行旋转校正：
import numpy as np
# 检测图像中的直线
lines = cv2.HoughLinesP(denoised, 1, np.pi/180, 100, minLineLength=100, maxLineGap=10)
angles = []
if lines is not None:
for line in lines:
x1, y1, x2, y2 = line[0]
# 计算直线角度
angle = np.arctan2(y2 - y1, x2 - x1) * 180 / np.pi
angles.append(angle)
# 计算平均倾斜角度
avg_angle = np.mean(angles) if angles else 0
# 获取图像中心
(h, w) = denoised.shape[:2]
center = (w // 2, h // 2)
# 生成旋转矩阵
rotation_matrix = cv2.getRotationMatrix2D(center, avg_angle, 1.0)
# 旋转校正图像
rotated = cv2.warpAffine(denoised, rotation_matrix, (w, h), flags=cv2.INTER_CUBIC, borderMode=cv2.BORDER_REPLICATE)
Tesseract配置技巧
除了图像预处理，调整Tesseract的运行参数也能进一步提升识别精度。
1. 语言包与字符集设置
根据识别文本的语言选择合适的语言包，同时可以通过白名单限制识别的字符范围，减少误识别。例如识别纯数字时，设置白名单为0-9：
import pytesseract # 设置Tesseract路径，Windows用户需要配置 pytesseract.pytesseract.tesseract_cmd = r'C:Program FilesTesseract-OCRtesseract.exe' # 配置识别参数，白名单限制为数字 config = r'--oem 3 --psm 6 -c tessedit_char_whitelist=0123456789' # 执行识别 text = pytesseract.image_to_string(rotated, config=config, lang='eng') print(text)
2. 页面分割模式调整
Tesseract的页面分割模式（PSM）决定了引擎对图像布局的判断方式，不同的文本场景需要选择不同的模式，常用模式如下：
| PSM值 | 模式说明 | 适用场景 |
|---|---|---|
| 3 | 自动分割页面，默认模式 | 多段落、复杂布局的文本图像 |
| 6 | 假设为统一的文本块 | 单一段落的文本图像 |
| 7 | 将图像视为单个文本行 | 单行文本、验证码类图像 |
| 11 | 稀疏文本，无特定顺序 | 零散分布的单字或短文本 |
3. OEM引擎模式选择
Tesseract支持多种OCR引擎模式，通过--oem参数设置：
- 0：仅使用传统Tesseract引擎
- 1：仅使用LSTM神经网络引擎
- 2：传统引擎与LSTM引擎混合
- 3：默认模式，自动选择可用引擎
对于现代复杂文本场景，优先选择LSTM引擎（--oem 1）可以获得更好的识别效果。
完整识别流程示例
将图像预处理和Tesseract配置结合，得到完整的优化识别流程：
import cv2
import numpy as np
import pytesseract
# 配置Tesseract路径
pytesseract.pytesseract.tesseract_cmd = r'C:Program FilesTesseract-OCRtesseract.exe'
def optimize_ocr(image_path):
# 读取图像并预处理
img = cv2.imread(image_path)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
binary = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)
denoised = cv2.medianBlur(binary, 3)
# 倾斜校正
lines = cv2.HoughLinesP(denoised, 1, np.pi/180, 100, minLineLength=100, maxLineGap=10)
angles = []
if lines is not None:
for line in lines:
x1, y1, x2, y2 = line[0]
angle = np.arctan2(y2 - y1, x2 - x1) * 180 / np.pi
angles.append(angle)
avg_angle = np.mean(angles) if angles else 0
(h, w) = denoised.shape[:2]
center = (w // 2, h // 2)
rotation_matrix = cv2.getRotationMatrix2D(center, avg_angle, 1.0)
processed_img = cv2.warpAffine(denoised, rotation_matrix, (w, h), flags=cv2.INTER_CUBIC, borderMode=cv2.BORDER_REPLICATE)
# 配置Tesseract参数识别
config = r'--oem 1 --psm 6'
text = pytesseract.image_to_string(processed_img, config=config, lang='chi_sim+eng')
return text
if __name__ == '__main__':
result = optimize_ocr("test_document.jpg")
print("识别结果：")
print(result)
通过上述图像预处理步骤和Tesseract配置调整，大部分场景下的文本识别精度可以得到明显提升。实际使用中可以根据具体图像的特点，灵活调整预处理参数和引擎配置，达到最优的识别效果。
Tesseract_OCR图像预处理识别精度优化配置技巧修改时间：2026-06-29 19:06:30