图像预处理对 OCR 识别精度有何影响？

1. 分辨率与 DPI 的影响

图像分辨率是影响 OCR 识别精度最显著的可控因素。行业研究表明，低于 300 DPI 的图像会导致字符识别准确率出现明显下降，对于劣质扫描件准确率可下降 20% 以上。对于高精度文本提取场景，300～600 DPI 是当前推荐标准。从 150 DPI 提升至 300 DPI，文档识别准确率通常可提升约 20%。

2. 二值化质量的影响

二值化将彩色或灰度图像转换为纯黑白图像，直接影响字符轮廓的清晰度。自适应阈值算法（如 Otsu 算法）能根据图像局部特征动态选择阈值，有效处理光照不均的场景。二值化不当会导致字符断裂、笔画粘连或背景噪声残留，显著增加识别错误率。

3. 倾斜校正的影响

扫描和拍摄过程中产生的倾斜会导致字符行方向与识别模型的预期不一致。通过霍夫变换或深度学习角度检测模型（如 TextSnake）自动校正文档角度，可确保字符水平排列，降低识别难度。校正精度通常需控制在 ±1° 以内才能有效发挥作用。

4. 去噪处理的影响

图像中的噪声（如扫描噪点、压缩伪影、背景纹理）会干扰字符特征的提取。采用非局部均值去噪（Non-Local Means）或深度学习去噪网络（如 DnCNN），可在保留字符边缘信息的同时有效去除噪声。实验数据显示，在噪声标准差为 25 的高斯噪声图像上，去噪处理可使识别准确率从 62% 提升至 89%。