尝试使用命令行，它为我们提供了决定使用哪个psm值的选项。
你能试试这个吗：

pytesseract.image_to_string(image, config='--psm 6')

尝试与您提供的图像和下面是结果：
Extracted Text Out of Image
我面临的唯一问题是，我的超正方体字典正在将您的图像中提供的“1”解释为“I”。
下面是可用的psm选项列表：
pagesegmode值为：0 =仅方向和脚本检测（OSD）。
1 =使用OSD自动分页。
2 =自动页面分割，但无OSD或OCR
3 =全自动页面分割，但无OSD。（默认）
4 =假设一列可变大小的文本。
5 =假设一个单一的垂直对齐文本块。
6 =假设单个统一的文本块。
7 =将图像视为单个文本行。
8 =将图像视为单个单词。
9 =将图像视为圆圈中的单个单词。
10 =将图像视为单个字符。

我用这个链接
https://www.howtoforge.com/tutorial/tesseract-ocr-installation-and-usage-on-ubuntu-16-04/
只需使用下面的命令，可以提高准确率高达50%

sudo apt update

sudo apt install tesseract-ocr

sudo apt-get install tesseract-ocr-eng

sudo apt-get install tesseract-ocr-all

sudo apt install imagemagick

convert -h

tesseract [image_path] [file_name]

convert -resize 150% [input_file_path] [output_file_path]

convert [input_file_path] -type Grayscale [output_file_path]

tesseract [image_path] [file_name]

它只会显示粗体字母
谢谢

我的建议是在完整的图像上执行OCR。
我已经对图像进行了预处理，以获得灰度图像。

import cv2
image_obj = cv2.imread('1D4bB.jpg')
gray = cv2.cvtColor(image_obj, cv2.COLOR_BGR2GRAY)
cv2.imwrite("gray.png", gray)

我已经运行了从终端的图像上的tesseract和准确性似乎也超过90%，在这种情况下。

tesseract gray.png out

3579 10 1 7 148
3142 9 o 5 10
2962 3 o 7 101
2214 2 2 7 99
2205 1 3 6 78
Score Kills Assists Deaths Connection
8212 15 1 4 4o
7198 7 3 6 40
6307 6 1 5 60
5640 2 3 6 80
4884 1 1 5 so

下面是一些建议-
1.不要直接使用image_to_string方法，因为它会将图像转换为bmp并以72 dpi保存。
1.如果你想使用image_to_string，那么覆盖它以保存300 dpi的图像。
1.可以使用run_tesseract方法，然后读取输出文件。
我运行OCR的图像。

解决这个问题的另一种方法是将数字裁剪并深入到神经网络进行预测。

我认为你必须先对图像进行预处理，对我有效的更改是：假设

import PIL
img= PIL.Image.open("yourimg.png")

• 把图片放大，我通常把图片放大一倍。

img.resize（img.size[0]*2，img.size[1]*2）

• 灰度化图像

img.convert（'LA'）

• 使字符更大胆，你可以看到一个方法在这里：https://blog.c22.cc/2010/10/12/python-ocr-or-how-to-break-captchas/但这种方法相当慢，如果你使用它，我建议使用另一种方法
• 选择，反转选择，使用gimpfu填充黑色，白色

image =<$b.gimp_file_load（file，file）layer =<$b.gimp_image_get_active_layer（image）REPLACE= 2 <$b.gimp_by_color_select（layer，"#000000”，20，REPLACE，0，0，0，0）<$b.gimp_context_set_forwarding（（0，0，0））<$b.gimp_edit_fill（layer，0）<$b.gimp_context_set_forwarding（（255，255，255））<$b.gimp_edit_fill（layer，0）
pdb.gimp_selection_invert（image）pdb.gimp_context_set_foreground（（0，0，0））

fn = 'image.png'
img = cv2.imread(fn, 0)
img = cv2.bilateralFilter(img, 20, 25, 25)
ret, th = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)
# Image.fromarray(th)
print(pytesseract.image_to_string(th, lang='eng'))