假设帐号具有唯一的紫色文本颜色，我们可以使用颜色阈值。这个想法是将图像转换为HSV颜色空间，然后定义较低/较高的颜色范围，并使用cv2.inRange()进行颜色阈值处理。从这里，我们按轮廓区域过滤以消除小噪声。最后，由于我们希望文本为黑色，背景为白色，因此我们将图像反转。最后一步是在将图像投入Pytesseract之前对图像进行高斯模糊处理。结果如下：

Pytesseract的结果

30002010108841

代码

import numpy as np
import pytesseract
import cv2

pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"

image = cv2.imread('1.png')
hsv = cv2.cvtColor(image,cv2.COLOR_BGR2HSV)
lower = np.array([103,79,60])
upper = np.array([129,255,255])
mask = cv2.inRange(hsv,lower,upper)

cnts = cv2.findContours(mask,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    area = cv2.contourArea(c)
    if area < 10:
        cv2.drawContours(mask,[c],-1,(0,0),-1)

mask = 255 - mask
mask = cv2.GaussianBlur(mask,(3,3),0)

data = pytesseract.image_to_string(mask,lang='eng',config='--psm 6')
print(data)

cv2.imshow('mask',mask)
cv2.waitKey()

谢谢大家的建议，我最终训练了深度学习对象检测方法来定位帐号，与基于 OpenCV 的方法相比，它给出了非常好的结果