是什么原因导致pytesseract根据使用opencv还是枕头来读取双线图像的顶部或底部文本行？

Question

编辑：我忘了处理解决阅读问题的图像，多亏了纳森。仍然想知道是什么使Tesseract只读取未处理图像的顶部或底部线条（同一图像，两个不同的结果）

原始：
我有一个包含两行文本的图像： random test image for pytesseract

当我用PIL image打开python（IDLE python 3.6）中的映像并使用pytesseract提取字符串时，它只正确地提取最后一行/最后一行。文本的上面一行是乱序垃圾（请参阅下面的代码部分）
但是，当我使用opencv打开图像并使用pytesseract提取字符串时，它只会正确地提取顶行/上行，同时弄乱第二行/最后一行文本（另请参阅下面的代码部分）

以下是代码：

>>> from PIL import Image, ImageFilter
>>> import pytesseract
>>> pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"
>>> import cv2

>>> img = Image.open(r"C:\Users\user\MyImage.png")
>>> img2 = cv2.imread(r"C:\Users\user\MyImage.png", cv2.IMREAD_COLOR)


>>> print(pytesseract.image_to_string(img2))
Pet Sock has 448/600 HP left
A ae eee PER eats ae

>>> print(pytesseract.image_to_string(img))
Le TL
JHE has 329/350 HP left.

当我在img和img2上使用pytesseract.image_to_boxes时，它将为具有不同字母的某些位置显示相同的边界框（仅显示包含相同框的2条提取行）

^{pr2}$

当我在img和img2上同时使用pytesseract.image_to_data时，它在正确读取的行上显示出非常高（95+）的置信度，而在乱码行上则显示出非常低的（30-）。
Excel table output of image_to_data
编辑：excel表格是img2和img，因此

我摆弄了psm配置值（我都试过了），除了在设置上创建了更多垃圾：5、7、8、9、10、13；还有一些给出了错误：0、2；它给出的结果与默认值（我相信是3）没有什么不同。

我一定是犯了些菜鸟的错误，但我不明白为什么会这样。如果有人能把光照向正确的方向，那就太棒了。

这张图片只是一张适合我的OCR测试的随机图像。没有其他的意图，比试验pytesseract。

Answer 1

每当使用Pytesseract执行OCR时，必须对图像进行预处理，使文本为黑色，背景为白色。我们可以用简单的阈值来实现

---

Pytesseract的输出

Pet Sock has 448/600 HP left
JHE has 329/359 HP left.

代码

^{pr2}$