如何从此图像中删除随机生成的线条和点？ [使用 Tesseract 的预 OCR]

Question

我正在尝试使用 C# 上的 Tesseract 通过 OCR 来解决验证码问题。我正在用 Selenium 抓取验证码，并应用一些效果来清理图像，但最终得到的结果不够干净，无法正确读取。

我在这里问是否有人可以帮助我编写一个 OpenCV 代码，该代码可以删除线条和点，因为它们具有不同的宽度。谢谢！

图片：https://i.imgur.com/Md5XC6G.png

OpenCv 更改后的图像：https://i.imgur.com/pxcxPfQ.png

var image = Resize(img, 800, 600);
            image.Save("captcha.png", System.Drawing.Imaging.ImageFormat.Png);
            Mat imageIn = Cv2.ImRead("captcha.png", ImreadModes.Grayscale);
            Mat edges = new Mat();

            Cv2.Canny(imageIn, edges, 100, 100);

            edges.SaveImage("captcha1.png");

无论如何要改进一点？ Tesseract 还不能识别它。

Answer 1

我不知道如何在 C# 中执行此操作，但在 python 中，此代码有效

import cv2
import numpy as np
import pytesseract

img = cv2.imread("Md5XC6G.png", cv2.IMREAD_GRAYSCALE)
cv2.imshow("original", img)

img = cv2.bitwise_not(img)

kernel = np.ones((14, 14), np.uint8)
close = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
newkernel = np.ones((5, 5), np.uint8)
inv = cv2.erode(close, newkernel, iterations=1)

inv = cv2.bitwise_not(inv)

cv2.imshow("inverted", inv)
cv2.imwrite("inverted.jpg", inv)

custom_config = r'-l eng --oem 3 --psm 7 -c tessedit_char_whitelist="ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789"'
text = pytesseract.image_to_string(inv, config=custom_config)
print("Detected captcha is:", text)

cv2.waitKey(0)
cv2.destroyAllWindows()

运行时的结果

Detected captcha is: wjr4s2