企业官网建设流程全解析

Botty的OCR魔法：Tesseract如何识别地面物品？词表、正则与纠错机制揭秘

【免费下载链接】bottyD2R Pixel Bot项目地址: https://gitcode.com/gh_mirrors/bo/botty

Botty 是一款开源的D2R（暗黑破坏神2：重制版）像素机器人，它能自动跑图、捡物、换装。但一个"看图说话"的程序如何分辨地上的文字是 "FLAWLESS RUBY"（无瑕红宝石）还是垃圾？本文带你揭秘 Botty 基于Tesseract OCR的文字识别体系：预训练词表、正则纠错和模糊匹配三层机制如何让一个开源 OCR 引擎稳定读懂暗黑风格像素字体。

为什么 OCR 是像素机器人的核心能力？

D2R 没有对外接口，机器人"看得见"的只有屏幕截图。物品信息（名字、等级、词缀）全部以像素文字形式存在，因此必须借助 OCR（光学字符识别）把图像转成文本，再交给 BNIP 词缀解析引擎判断物品价值。

整个图像识别管线位于 src/d2r_image/ 目录，核心入口函数是 image_to_text()，它完成了"图像 → 文本"的全过程。

第一步：两套专门训练的 Tesseract 模型

Tesseract 默认不擅长暗黑这种细像素字体。Botty 的解法是自训练模型：用真实游戏截图 + 人工标注的文本样本（标注工具见 gen_ocr_samples.py），训练出两套 LSTM 模型存放在 assets/tessdata/：

• ground-eng_inconsolata_inv_th_fast：识别地面物品名称（单行文字）
• hover-eng_inconsolata_inv_th_fast：识别悬停提示框（多行属性文字）

模型加载时还会读取 ocr_config.txt，对"非词表词"施加语言模型惩罚——让模型更信任词表里的词，这是后面纠错机制的第一道伏笔。

第二步：图像预处理，让像素字变得"可读"

原始截图中，物品文字是彩色的、边缘还带着背景噪点。image_to_text() 在送入 Tesseract 前做了一连串处理：

1. 缩放（scale）：小字体放大后更易识别
2. 腐蚀去边（erode）：地面物品专用，erode_to_black() 用形态学重建抹掉文字周围的彩色噪点，只留下文字
3. 裁剪+补白（crop_pad）：去掉图块边缘干扰
4. 灰度 + 二值化阈值：把图像变成纯黑白
5. 反色（invert）：暗黑是白字黑底，Tesseract 偏好黑字白底

识别地面物品时的实际调用在 processing_helpers.py：先按文字颜色聚类定位物品区域，再批量送入ground模型，psm=7表示"单行文字"模式。

第三步：三层纠错机制，Tesseract 输出只是起点

Tesseract 再准也会犯错——I和1、O和0、S和5在像素字体里几乎无法区分。Botty 在 ocr.py 里设计了三层递进的纠错流水线：

1️⃣ 正则规则修正（_fix_regexps）

针对字母数字混淆写了一组带上下文的正则，定义在 ocr_data.py：

完整的上下文判断逻辑见 _fix_regexps()。

2️⃣ 已知错误映射表（_check_known_errors）

有些词 Tesseract 的错法非常固定，直接查表替换。ERROR_RESOLUTION_MAP 里收录了几十个"固定错误"，例如：

• SHIFLD→SHIELD
• SPFAR→SPEAR
• CLAVMORE→CLAYMORE
• IOX%→10%

3️⃣ 词表模糊匹配（_ocr_result_dictionary_check）

最后一层最聪明：把每个词拿去和完整词表做模糊匹配（find_best_match() 使用 rapidfuzz 的 Levenshtein 编辑距离），归一化相似度 ≥ 0.6 才替换，避免"错改"。

它还有一个亮点——前瞻合并：如果 OCR 把单词中间的空格读丢了，或把两个词读碎（S11PER这种），算法会尝试"当前词 + 下一个词"合并后再匹配词表，取更优解，详见 _ocr_result_dictionary_check()。

词表：OCR 的"知识库"

模糊匹配的效果取决于词表质量。Botty 在 assets/word_lists/ 维护了 5500+ 条词条：

• all_words.txt（约 3850 词）：全部合法词，含基础物品、符文、技能与词缀
• base_items.txt：基础装备/武器名称
• magic_prefixes.txt 与 magic_suffixes.txt：魔法前后缀

加载逻辑在 strings_store.py，带缓存，词表同时被注入给 Tesseract（user_words_file）和纠错层，一份数据两处受益。

总结：一张"图像到物品"的完整链路

把整条链路串起来，Botty 识别一件地面物品的流程是：

截图 → 颜色聚类定位文字 → 腐蚀/二值化预处理 → Tesseract 自训练模型识别 → 正则修正 → 已知错误查表 → 词表模糊匹配 → BNIP 解析物品价值 → 自动拾取

这套"模型特化 + 预处理 + 三层纠错"的组合拳，展示了在受限像素字体场景下用好开源 OCR 的完整思路——对任何想给复古像素游戏做图像识别的项目，都有很强的参考价值。

关键文件速查：

• OCR 核心：src/d2r_image/ocr.py
• 正则与错误表：src/d2r_image/ocr_data.py
• 地面物品定位管线：src/d2r_image/processing_helpers.py
• OCR 模型与配置：assets/tessdata/
• 词表数据：assets/word_lists/
• 开发文档：development.md

【免费下载链接】bottyD2R Pixel Bot项目地址: https://gitcode.com/gh_mirrors/bo/botty