首先有啥好的算法可以捕捉到像样的图像？之后是预处理/图像清洁，最后是 OCR 程序？

Posted 2023-04-17

【中文标题】首先有啥好的算法可以捕捉到像样的图像？之后是预处理/图像清洁，最后是 OCR 程序？

【英文标题】：What are good algorithms to capture a decent image in the first place? After which comes the pre-processing/image cleaning then finally OCR procedure?首先有什么好的算法可以捕捉到像样的图像？之后是预处理/图像清洁，最后是 OCR 程序？

【发布时间】：2017-01-12 18:57:39

【问题描述】：

我最近一直在做一个小项目。乍一看，这个任务似乎很简单：为以后的 OCR 拍摄质量稍好的图像。 输入设备是一种 ID 读卡器原型，带有摄像头，内嵌有关于信用卡的拍摄区域，名片大小。问题是摄像头会一直处于活动状态，所以当没有卡片或文件放在设备上时，它会看到整个狂野的外部世界（例如，一台装有摄像头用于面部识别的 ATM 机。第一个问题是来确定是否有人站在 ATM 前面，可靠且稳健）。

在我的情况下，类似的问题是确定何时将有效卡完全放置在设备上并且没有移动，然后获取一张或几张图像以供以后的处理模块使用。 p>

我一直在寻找类似的问题。一些答案非常有用且内容丰富，例如：

image processing to improve tesseract OCR accuracy

Preprocessing image for Tesseract OCR with OpenCV

Image cleaning before OCR application

How can I improve the accuracy of Tesseract OCR?

What is the correct pre-processing steps that I should follow to improve the image captured by camera to be converted to text using OCR in android?

但是，他们都假设捕获工作已经完成得相当不错，这意味着没有运动模糊，文档或卡片的有效区域被完整捕获等等。虽然上面链接中的示例是就通常的人工制品（例如失真、曝光不均匀、文本行歪斜等）而言，这本身确实相当具有挑战性，我的问题是我还没有走那么远！

总而言之，我正在寻找现有方法/算法思想/相关论文或链接：

如何确定设备上是否有文件或卡片？ 如何确定卡片的所有有效区域都完全可见？

我能想到的一些潜在有用的线索：

运动 功能点（很多选择，但如何正确使用它们） 当内部摄像头被卡片或文件覆盖时，强度级别会发生显着变化。

第一个问题，难点在于动态背景，如过往的行人、汽车、突然的自然光变化等。

对于第二个问题，问题是卡片或文档的类型不固定，不幸的是 - 至少有人告诉我 :( 这使得分类解决方案有点棘手，因为无法收集足够的训练样本，而不是提到一半或季度插入的卡片……

【参考方案1】：

几天前我在做一个类似的项目。你可以在这里查看link

那里也有安卓版本。但根据您的要求，card.io 是非常好的开源 api。

git 上的版本也可以阅读温和的数学公式。

【参考方案2】：

要检查卡片是否到位，您可能可以比较两个标准：

图像静止：您可以通过比较两个或多个连续图像并检查平均差 (SAD) 是否大于噪声水平来实现此目的；

有文本：当 OCR 检测到足够数量的字符时。

对于问题的第二部分，恐怕没有答案，因为卡片可能包含 OCR 无法识别的图形或图片，您永远无法确定您看到的是部分卡片还是带有额外内容的卡片。您可以检查整个区域边缘颜色的连续性，但这可能会引发误报。