Python Tesseract ocr输出，在检测到的文本之间包含单个字符

我正在尝试使用Tesseract从下图中提取

这是tesseract 4 ocr的结果

print(text)

Wrote Datastream application 
e Used Kafka to get the accounts

如果您看到图像中的项目符号被转换为

e

，我在文档中发现了几个这样的点，它们被转换为ascii中的单个字符

---

如果有人熟悉此类问题并有解决方案，请告诉我。

我有一个建议，也许最好删除要点

• 消除要点的一个解决方案是应用

  自适应阈值

• 如果我们对当前图像应用自适应阈值：
• 现在如果我们读到它：

代码：

---

导入cv2
导入pytesseract
img=cv2.imread（“4XMue.png”）
gry=cv2.CVT颜色（img，cv2.COLOR\u BGR2GRAY）
thr=cv2.自适应阈值（gry，255，cv2.自适应阈值平均值，
cv2.THRESH_二进制，11131）
txt=pytesseract.image\u to\u字符串（thr）
打印（txt）

---

---

请允许我告诉您，我的示例代码可能不适用于所有图像。因为图像可能有不同的伪影或需要额外的处理。您可能需要更改

自适应阈值的
块大小
和
C
参数。因此，请从阅读
开始，但我认为tesseract已经使用大津算法对图像进行了二值化了？所以，当我们两次这样做时，不会在大型和密集的文档上降低质量。Seract OCR内部采用大津二值化方法。然而，该方法根据图像直方图选择一个最优的全局阈值。如果图像上有阴影，tesseract将无法提取字符。但是如果我们做两次，会不会降低图像的质量？你是说应用大津阈值两次？如果是这样，我没有对图像应用大津阈值。如果你看一下我的
adaptivethrehshell
方法，我只使用了
cv2.THRESH\u BINARY
。我们正在预处理图像以去除图像中的瑕疵。因此，多次预处理不应降低图像质量。否则，我们无法从图像中收集特征。
print(text)

Wrote Datastream application 
e Used Kafka to get the accounts

Wrote Datastream application |
Used Kafka to get the accounts