我有两个建议。
首先，这是迄今为止最重要的，在OCR预处理中，图像是获得良好结果的关键。对于您的情况，我建议进行二值化。您的图像看起来非常好，因此您应该不会有任何问题，但是如果这样做，那么也许应该尝试对图像进行二值化：
import cv2from PIL import Imageimg = cv2.imread('gradient.png')# If your image is not already grayscale :# img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)threshold = 180 # to be determined_, img_binarized = cv2.threshold(img, threshold, 255, cv2.THRESH_BINARY)pil_img = Image.fromarray(img_binarized)然后使用二值化图像再次尝试ocr。
检查图像是否为灰度图像，如果需要，请取消注释。
这是简单的阈值处理。自适应阈值化也存在，但是它很嘈杂，不会给您带来任何影响。
Tesseract可以更轻松地对图像进行二值化处理。这已经在内部完成（https://github.com/tesseract-
ocr/tesseract/wiki/ImproveQuality），但有时事情可能会变得混乱，通常对自己进行预处理很有用。
您可以通过查看图像来检查阈值是否正确：
import matplotlib.pyplot as pltplt.imshow(img, cmap='gray')plt.imshow(img_binarized, cmap='gray')
其次，如果我上面所说的仍然不起作用，我知道这并不能回答“为什么pytesseract在这里不起作用”，但我建议您尝试使用tesserocr。它是Tesseract的维护的python包装器。
您可以尝试：
import tesserocrtext_from_ocr = tesserocr.image_to_text(pil_img)
这是来自pypi的tesserocr的文档：https
://pypi.org/project/tesserocr/
对于opencv：https :
//pypi.org/project/opencv-python/
作为旁注，在Tesseract中对黑白进行了对称处理，因此在黑色背景上具有白色数字并不是问题。
