目标解决第一期遇到的“明明人眼能看清OCR 却认错”的问题。核心手段是图像预处理和识别参数控制。1. 图像预处理OpenCV 三件套OCR 对图像质量非常敏感。灰度化、去噪、二值化是最基础的预处理组合能显著提升 Tesseract 等传统引擎的识别率。pythonimport cv2 import numpy as np def preprocess(image_path): img cv2.imread(image_path) gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 放大小字变大字对 Tesseract 尤其有效 gray cv2.resize(gray, None, fx2, fy2, interpolationcv2.INTER_CUBIC) # 去噪 Otsu 自动阈值二值化 blur cv2.GaussianBlur(gray, (5, 5), 0) _, binary cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY cv2.THRESH_OTSU) return binary processed preprocess(receipt.jpg) cv2.imwrite(processed.png, processed)如果图片有倾斜可以先用cv2.minAreaRect或霍夫变换做纠偏再送入 OCR。2. Tesseract 的 PSM 参数告诉引擎“这是什么版式”Tesseract 的--psm参数控制页面分割模式。默认模式 3 适合标准文档如果只识别单行比如身份证号、金额用 psm 7如果图片是稀疏的界面截图或小票psm 11 往往更稳。python# 只识别单行数字并限定字符白名单 text pytesseract.image_to_string( Image.open(amount.png), config--psm 7 -c tessedit_char_whitelist0123456789. )3. 用置信度做过滤OCR 输出里的置信度分数是调优的重要信号。低于阈值的识别结果与其硬用不如标记出来交给人工复核。EasyOCR 和 PaddleOCR 都直接返回置信度pytesseract 则需要用image_to_data获取。python# EasyOCR 按置信度过滤 filtered [(bbox, text, score) for bbox, text, score in result if score 0.5]第二期的关键认知是预处理决定了 OCR 的上限参数决定了能否触达这个上限。同一张图预处理前后、PSM 不同取值下的结果可能天差地别。github.0voice