ddddocr 识别率只有 32% 干扰线和字符粘连怎么调

import cv2
img = cv2.imread('cap.png', 0)
_, th = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

同一批 500 张四位验证码，ddddocr 默认模型只认对 160 张，识别率 32%，失败的全是带三条干扰线、字符还粘连在一起的图。这类现象通常不是突然出现的，往前翻半天日志能看到苗头。

追下去是这么回事：通用模型训练集以干净字符为主，遇到干扰线和扭曲就退化成整图匹配。原图直接送进去还会被彩色背景拉低对比度，固定阈值二值化又让笔画断成几段。

围绕「验证码识别率」排查时，命令行跑一遍比在面板里点十次有用，面板会替你做掉不少隐式操作。同类问题如果隔一段时间又出现，多半是某个定时任务或重启流程把改动冲掉了。

把这次用到的命令存进笔记，比记住结论有用，换个环境还能照着走。

处理上按这个顺序：先转灰度再做自适应阈值；用形态学开运算去掉细干扰线；按连通域切分粘连字符再逐字识别；失败样本落盘标注后增量训练。

确认没问题再收工，预处理后同一批 500 张识别率从 32% 升到 86%，落盘待标注的图片从 340 张降到 70 张。