优化Pytesseract识别像素化负数的准确性

from PIL import Image
import pytesseract

# 设置Tesseract可执行文件路径（Windows用户可能需要）
# pytesseract.pytesseract.tesseract_cmd = 'C:\Program Files\Tesseract-OCR\tesseract.exe'

image_path = 'your_pixelated_number_image.png'
img = Image.open(image_path)

# 获取原始图像尺寸
w, h = img.size
print(f"原始尺寸: {w}x{h}")

# 将图像放大2倍（可以根据实际情况调整放大倍数）
new_w = w * 2
new_h = h * 2
print(f"新尺寸: {new_w}x{new_h}")

# 使用最近邻插值进行放大，保持像素锐利度
img_resized = img.resize((new_w, new_h), Image.Resampling.NEAREST)

# 可选：保存放大后的图像进行检查
# img_resized.save('resized_image.png')

# 定义字符白名单
custom_config_base = r'-c tessedit_char_whitelist=0123456789.,-'

# 结合PSM和字符白名单进行识别
print("
尝试不同PSM模式进行识别：")
for psm in range(0, 14): # 遍历所有可能的PSM模式
    try:
        custom_config = fr'--oem 3 --psm {psm} {custom_config_base}'
        text = pytesseract.image_to_string(img_resized, lang='eng', config=custom_config)
        text = text.strip() # 移除末尾的换行符
        print(f"PSM {psm:2} | 识别结果: '{text}'")
    except Exception as ex:
        print(f"PSM {psm:2} | 发生异常: {ex}")

from PIL import Image
import pytesseract
import os

# 配置Tesseract可执行文件路径（根据您的安装路径修改）
# 对于Windows用户，通常需要设置此行
# pytesseract.pytesseract.tesseract_cmd = r'C:Program FilesTesseract-OCR	esseract.exe'

def recognize_pixelated_number(image_path):
    """
    识别像素化图像中的负数。
    Args:
        image_path (str): 图像文件的路径。
    Returns:
        str: 识别到的文本，如果识别失败则返回空字符串。
    """
    if not os.path.exists(image_path):
        print(f"错误：图像文件不存在于路径 {image_path}")
        return ""

    try:
        img = Image.open(image_path)
    except FileNotFoundError:
        print(f"错误：无法打开图像文件 {image_path}")
        return ""
    except Exception as e:
        print(f"加载图像时发生错误: {e}")
        return ""

    w, h = img.size
    print(f"原始图像尺寸: {w}x{h}")

    # 图像放大处理：放大2倍，使用最近邻插值
    new_w = w * 2
    new_h = h * 2
    img_resized = img.resize((new_w, new_h), Image.Resampling.NEAREST)
    print(f"放大后图像尺寸: {new_w}x{new_h}")

    # 定义Tesseract配置：OEM模式3（LSTM OCR引擎），字符白名单
    # 字符白名单包含数字0-9，小数点.，逗号,（如果需要），负号-
    custom_config_base = r'--oem 3 -c tessedit_char_whitelist=0123456789.,-'

    best_text = ""
    best_psm = -1

    # 尝试多种PSM模式，寻找最佳识别效果
    # 经验证，PSM 1, 3, 4, 6, 7, 10, 11, 12 在放大后效果较好
    # 对于单个数字，PSM 8 (single word) 或 PSM 7 (single line) 也是常用选择
    psm_modes_to_try = [1, 3, 4, 6, 7, 8, 10, 11, 12] 

    print("
尝试不同PSM模式...")
    for psm in psm_modes_to_try:
        try:
            custom_config = fr'--psm {psm} {custom_config_base}'
            text = pytesseract.image_to_string(img_resized, lang='eng', config=custom_config)
            text = text.strip() # 清理识别结果
            print(f"PSM {psm:2} | 识别结果: '{text}'")

            # 如果识别结果非空且看起来有效，则作为当前最佳结果
            # 这里可以添加更复杂的验证逻辑，例如正则表达式匹配数字格式
            if text and (text.startswith('-') or text.isdigit() or '.' in text):
                # 优先选择与预期格式最匹配的（例如包含负号和小数点）
                if '-' in text and '.' in text:
                    best_text = text
                    best_psm = psm
                    break # 找到满意结果后提前退出
                elif not best_text: # 如果还没有找到任何结果，则保存第一个有效结果
                    best_text = text
                    best_psm = psm

        except pytesseract.TesseractNotFoundError:
            print("错误：Tesseract未安装或其路径未正确配置。请检查'tesseract_cmd'设置。")
            return ""
        except Exception as ex:
            print(f"PSM {psm:2} | 识别时发生异常: {ex}")

    print(f"
最终最佳识别结果 (PSM {best_psm}): '{best_text}'")
    return best_text

# 示例用法
# 确保将 'your_pixelated_number_image.png' 替换为您的实际图像路径
# 例如：
# 创建一个名为 'image.png' 的图像文件，内容为像素化的 '-1.49'
# 可以通过截图或绘图工具创建
# 假设您的图像文件名为 'image.png' 并且与脚本在同一目录下
extracted_number = recognize_pixelated_number('image.png') 
print(f"
提取到的数字是: {extracted_number}")