先看输入#

我会先保留原图，再尝试灰度化、去噪、阈值分割和裁剪。每一步都保存中间图，确认文字没有被处理掉。

我会先选少量图片做检查：一张正常图、一张边界图、一张容易失败的图。小样本跑通以后，再扩大到完整数据集。

示例代码#

1
img = cv2.imread("page.jpg")
2
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
3
blur = cv2.GaussianBlur(gray, (3, 3), 0)
4
_, mask = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
5
cv2.imwrite("ocr_preprocess.png", mask)

可视化验收#

• 保存至少一张中间结果图，而不是只打印数组形状。
• 检查坐标顺序，确认没有把 x/y 和 w/h 混用。
• 抽查失败样本路径，避免批量流程悄悄跳过坏图。
• 如果结果要进入训练集，记录数据版本和处理脚本版本。

常见误差来源#

常见误差来自阈值太狠导致细字断裂，或者为了去背景把标点、数字和小字号文字也抹掉。

最小验收样例#

我会固定一组小样本作为回归检查集。每次改处理脚本或训练配置，都先跑这组样本，确认输出图片、标注框或预测结果没有出现明显退化。

视觉任务的验收不能只依赖成功退出码。最少要打开一张输出图，并把失败样本单独记录下来。这样后续定位问题时，能从具体图片回到具体处理步骤。

小结#

OCR 前的图像预处理顺序 的关键是让每一步都有可视化证据。视觉任务最终要回到图像本身，不能只信日志和指标。