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：
✅ 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。
✅ 总结
单数字 OCR 失败的本质是 PSM 模式语义错配，而非模型能力不足。只需将 --psm 3（默认）替换为 --psm 10（单字符模式），辅以数字白名单和合理分辨率，即可实现 99%+ 的单数字识别准确率。这一原则同样适用于验证码数字、仪表盘读数、车牌单字符等工业场景。
