您需要调整图像的颜色级别以删除背景。
adjust Color level

inBlack = np.array([170, 170, 170], dtype=np.float32)
inWhite = np.array([255, 255, 255], dtype=np.float32)
inGamma = np.array([1.0, 1.0, 1.0], dtype=np.float32)
outBlack = np.array([0, 0, 0], dtype=np.float32)
outWhite = np.array([255, 255, 255], dtype=np.float32)

img = cv2.imread(file_path)

int8 = cv2.convertScaleAbs(img)

color_level = np.clip((int8 - inBlack) / (inWhite - inBlack), 0, 255)
color_level = (color_level ** (1 / inGamma)) * (outWhite - outBlack) + outBlack
color_level = np.clip(color_level, 0, 255).astype(np.uint8)

字符串
Color levels in OpenCV的
然后，将图像转换为灰度并应用阈值。
greyscale image的
threshold image的
最后，反转你的图像，让tesseract很好地识别你的图像。
inverted image的

inverted = cv2.bitwise_not(threshold)

型

根据超立方体的文档
是否有最小/最大文本大小？（它不会读取屏幕文本！）
有一个合理的准确性的最小文本大小.你必须考虑分辨率以及点大小.精度下降低于10 pt x 300dpi，迅速低于8 pt x 300dpi.一个快速的检查是计算你的字符的x高度的像素.（X-height是小写字母x的高度。）在10 pt x 300dpi时，x-height通常约为20像素，尽管这可能因字体而异。低于10像素的x-height，你几乎没有机会得到准确的结果，在8像素以下，大部分文本将被“去除噪音”。
使用LSTM时，x高度的最大值似乎也在30 px左右。超过这个值，Tesseract不会产生准确的结果。传统引擎似乎不太容易出现这种情况（参见https：//groups.google.com/forum/#！msg/tesseract-ocr/Wdh_JJwnw94/24 JHDYQbBQAJ）。
因此，首先要做的是增加输入图像的大小，因为它们在限制的大小之下。然后您可以应用维纳或某种过滤器来再次提高质量。EasyOCR也可以是另一种选择，而不是tesseract。