Tesseract OCR 中的 Blob 是什么

Question

我正在学习 Tesseract OCR 并阅读基于 article 的 article。从第一篇文章开始：

第一步是自适应阈值，它将图像转换为 二进制图像。下一步是连通分量分析，即 用于提取字符轮廓。这个方法非常有用 因为它对带有白色文本和黑色背景的图像进行 OCR。 Tesseract 可能是第一个提供这种 加工。然后，将轮廓转换为 Blob。 Blob 被组织成文本行，而行和 针对某些固定区域或等效文本分析区域 大小。

谁能解释一下 Blob 是什么？

Answer 1

来自https://tesseract-ocr.repairfaq.org/tess_glossary.html：

斑点

扫描图像的孤立的小区域。它是由轮廓描绘的。 Tesseract 会“处理”这些斑点，看看它们是否可以进一步分解成可以提高识别信心的东西。有时，如果得到更好的结果，则 blob 会被“组合”。例如，请参阅 pithsync.cpp。

Answer 2

通常，blob（也称为连接组件）是二进制图像中的连接部分（即未损坏）。换句话说，它是二值图像中的实体元素。 Blob 查找器是任何旨在从数字图像中提取/测量数据的系统中的关键步骤。