一、环境搭建与基础准备

OpenCV作为计算机视觉领域的开源库，其文字识别功能依赖于图像处理、特征提取和模式识别等模块。开发者需首先完成Python环境配置（推荐3.7+版本），并通过pip install opencv-python opencv-contrib-python安装OpenCV主库及扩展模块。对于中文识别场景，还需额外安装Tesseract OCR引擎及其中文训练包（pip install pytesseract，并配置中文数据文件chi_sim.traineddata）。

环境验证可通过以下代码实现：

import cv2
print(cv2.__version__)  # 应输出4.x+版本
import pytesseract
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'  # Windows路径示例

二、图像预处理：提升识别率的关键

文字识别的准确率高度依赖图像质量，预处理阶段需完成以下操作：

1. 灰度化与二值化
   彩色图像包含冗余信息，通过cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)转换为灰度图后，应用自适应阈值二值化（cv2.adaptiveThreshold）可增强文字与背景的对比度。例如：

   gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
   binary = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)

2. 降噪与形态学操作
   使用高斯模糊（cv2.GaussianBlur）消除细小噪点，配合开运算（cv2.morphologyEx）去除孤立像素点。示例代码：

   blurred = cv2.GaussianBlur(binary, (5,5), 0)
   kernel = np.ones((3,3), np.uint8)
   processed = cv2.morphologyEx(blurred, cv2.MORPH_OPEN, kernel)

3. 倾斜校正
   通过霍夫变换检测直线（cv2.HoughLinesP）计算倾斜角度，再利用仿射变换（cv2.warpAffine）校正图像。关键步骤如下：

   edges = cv2.Canny(processed, 50, 150)
   lines = cv2.HoughLinesP(edges, 1, np.pi/180, threshold=100)
   angles = [np.arctan2(y2-y1, x2-x1) for x1,y1,x2,y2 in lines[:,0]]
   median_angle = np.median(angles)
   (h, w) = img.shape[:2]
   center = (w//2, h//2)
   M = cv2.getRotationMatrix2D(center, np.degrees(median_angle), 1.0)
   corrected = cv2.warpAffine(img, M, (w,h))

三、文字检测与定位

OpenCV提供两种主流文字检测方法：

1. 基于轮廓的检测
   适用于规则排版文本，通过cv2.findContours定位文字区域，结合长宽比、面积等特征过滤非文字轮廓：

   contours, _ = cv2.findContours(processed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
   text_contours = []
   for cnt in contours:
       x,y,w,h = cv2.boundingRect(cnt)
       aspect_ratio = w / float(h)
       area = cv2.contourArea(cnt)
       if 0.2 < aspect_ratio < 10 and area > 100:  # 经验阈值
           text_contours.append((x,y,w,h))

2. EAST文本检测器
   对于复杂场景（如弧形文字、多方向文本），需加载预训练的EAST模型（需安装opencv-contrib-python）：

   net = cv2.dnn.readNet('frozen_east_text_detection.pb')
   (H, W) = img.shape[:2]
   blob = cv2.dnn.blobFromImage(img, 1.0, (W,H), (123.68, 116.78, 103.94), swapRB=True, crop=False)
   net.setInput(blob)
   (scores, geometry) = net.forward(["feature_fusion/Conv_7/Sigmoid", "feature_fusion/concat_7"])

四、文字识别与后处理

1. Tesseract OCR集成
   对定位后的文字区域进行识别，需指定语言参数（lang='chi_sim'）：

   roi = img[y:y+h, x:x+w]
   text = pytesseract.image_to_string(roi, lang='chi_sim+eng')
   print(f"检测到文字: {text.strip()}")

2. 正则表达式优化
   针对识别结果中的特殊字符或格式错误，可通过正则表达式进行清洗：

   import re
   cleaned_text = re.sub(r'[^\w\s\u4e00-\u9fff]', '', text)  # 保留中文、字母、数字

五、实战案例：发票信息提取

以增值税发票为例，完整流程如下：

1. 图像采集：使用手机或扫描仪获取高分辨率图像。
2. 预处理：应用灰度化、二值化、降噪处理。
3. 关键字段定位：通过模板匹配定位发票编号、金额等固定位置字段。
4. OCR识别：对定位区域进行中英文混合识别。
5. 数据校验：结合正则表达式验证发票号码格式（如18位数字+大写字母）。

代码示例：

def extract_invoice_info(img_path):
    img = cv2.imread(img_path)
    # 预处理步骤...
    # 定位发票编号区域（假设位于图像右上角）
    h, w = img.shape[:2]
    invoice_roi = img[20:50, w-200:w-50]
    # 识别并校验
    text = pytesseract.image_to_string(invoice_roi, lang='chi_sim+eng')
    if re.fullmatch(r'[\dA-Z]{18}', text.strip()):
        return text
    else:
        return "识别失败"

六、性能优化建议

1. 硬件加速：启用GPU加速（需安装CUDA版OpenCV）。
2. 多线程处理：对批量图像采用线程池并行处理。
3. 模型微调：针对特定场景（如手写体）训练自定义Tesseract模型。
4. 结果缓存：对重复图像建立识别结果数据库。

通过系统化的预处理、精准的检测定位和后处理优化，OpenCV可实现工业级文字识别精度。开发者需根据实际场景调整参数，并持续优化流程以适应不同光照、字体和布局条件。