如何提高 Tesseract 的输出

Question

我的图像看起来像这样：

这是处理后的图像

我几乎尝试了所有方法。我这样处理图像：

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #Converting to GrayScale
(h, w) = gray.shape[:2]
gray = cv2.resize(gray, (w*2, h*2))
thresh = cv2.threshold(gray, 150, 255.0, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
gray = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, rectKernel)
blur  = cv2.GaussianBlur(gray,(1,1),cv2.BORDER_DEFAULT)
text = pytesseract.image_to_string(blur, config="--oem 1 --psm 6")

但是 Tesseract 没有打印出任何东西。我正在使用这个版本的 tesseract 5.0.0-alpha.20201127

如何提高它的性能？它非常不可靠。 编辑：

下面的答案在上述图像上做得很好。 但是当我将这种技术应用于像这样的图像时，我得到了错误的输出

这是为什么呢？它们看起来大致相同。

Answer 1

问题是字符不在图像的中心。

有时，如果字符或数字不在中心，则 tesseract 难以识别。

因此我的建议是：

• 1. 使字符居中
• 1. 上采样并转换为灰度

---

• 1. 使字符居中：

     • cv2.copyMakeBorder(img, 50, 50, 50, 50, cv2.BORDER_CONSTANT, value=[255])
       

     • 50 只是一个填充变量，您可以设置为任何其他值。

     • 由于值的原因，背景变为蓝色。 OpenCV 以 BGR 方式读取图像。将255 作为输入与[255, 0, 0] 相同，后者显示蓝色通道，但不分别显示绿色和红色。

     • 您可以尝试使用其他值。对我来说没关系，因为我会在下一步将其转换为灰度。

• 1. 上采样并转换为灰度：

     • 您已完成的相同步骤。代码的前三行。

现在当你阅读时：

MEHVISH MUQADDAS

---

Code:

---

import cv2
import pytesseract

# Load the image
img = cv2.imread("onf0D.jpg")

# Center the image
img = cv2.copyMakeBorder(img, 50, 50, 50, 50, cv2.BORDER_CONSTANT, value=[255])

# Up-sample
img = cv2.resize(img, (0, 0), fx=2, fy=2)

# Convert to gray-scale
gry = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# OCR
txt = pytesseract.image_to_string(gry, config="--psm 6")
print(txt)

阅读更多tesseract-improve-quality。

你不需要threshold、GaussianBlur或morphologyEx。

原因是：

• Simple-Threshold 用于获取图像的特征。输入图像的功能已经可用。

• 您不必smooth图像，图像上没有照明效果。

• 你不需要segmentation，因为背景是纯白色的。

---

更新-1

第二张图片需要预处理。但是，应用简单阈值不适用于此图像。您需要使用二进制掩码去除背景，然后才能应用 OCR。

• 二进制掩码的结果：

现在，如果您应用 OCR：

IRUM FEROZ

代码：

---

import cv2
import numpy as np
import pytesseract

# Load the image
img = cv2.imread("jCMft.jpg")

# Center the image
img = cv2.copyMakeBorder(img, 50, 50, 50, 50, cv2.BORDER_CONSTANT, value=[255])

# Up-sample
img = cv2.resize(img, (0, 0), fx=2, fy=2)

# Convert to HSV color-space
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# Adaptive-Threshold
msk = cv2.inRange(hsv, np.array([0, 0, 0]), np.array([179, 255, 130]))

# OCR
txt = pytesseract.image_to_string(msk, config="--psm 6")
print(txt)

Q：如何找到cv2.inRange方法的上下界？

A：您可以使用以下script。

问：你在第二张图片中做了什么改变？

A：首先我将图像转换为 HSV 格式，而不是灰度。原因是我想删除背景。如果您尝试使用adaptiveThreshold，您会看到背景上有很多伪影限制了tesseract 的识别。然后我用cv2.inRange 得到一个二进制掩码。向输入提供二进制掩码给了我想要的结果。