Python tesseract 提高了 OCR 的准确性

Posted 2023-04-17

【中文标题】Python tesseract 提高了 OCR 的准确性

【英文标题】：Python tesseract increase accuracy for OCR

【发布时间】：2017-04-03 06:29:07

【问题描述】：

我有很简单的图片，但 tesseract 无法给我正确的答案。

代码：

pytesseract.image_to_string(image, lang='eng')

示例图片给出的结果

SARVN PRIM E N EU ROPTICS\nBLU EPRINT

我也尝试将自己的单词添加到字典中，如果它可以使某些东西变得更好，但仍然没有。

pytesseract.image_to_string(image, lang='eng', config="--user-words words.txt")

我的单词表是这样的

SARYN
PRIME
NEUROPTICS
BLUEPRINT

我应该如何解决这个问题，也许我必须在预测之前转换图像？文本颜色可能因几种颜色而异，但背景始终为黑色。

【参考方案1】：

在尝试使用 OCR 之前，请尝试反转图像，然后执行二值化/阈值处理以在白色背景上获取黑色文本。

请参阅this post，了解有关 Python 中图像二值化的提示。

当然，输入图像中的文本质量越好、越清晰，您的 OCR 结果就会越好。

我使用外部工具将其更改为白底黑字并得到下图。

【参考方案2】：

我有一个四步解决方案

Smooth the image

申请simple-threshold

逐行造句

将erosion 应用于每个单独的句子

	Result
Smoothing
Threshold
Upsample + Erode
Pytesseract	SARYN PRIME NEUVROPTICS BLUEPRINT

Code:

---

import cv2
import pytesseract

img = cv2.imread('j0nNV.png')
gry = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
blr = cv2.GaussianBlur(gry, (3, 3), 0)
thr = cv2.threshold(blr, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]
(h_thr, w_thr) = thr.shape[:2]
s_idx = 0
e_idx = int(h_thr/2)

for _ in range(0, 2):
    crp = thr[s_idx:e_idx, 0:w_thr]
    (h_crp, w_crp) = crp.shape[:2]
    crp = cv2.resize(crp, (w_crp*2, h_crp*2))
    crp = cv2.erode(crp, None, iterations=1)
    s_idx = e_idx
    e_idx = s_idx + int(h_thr/2)
    txt = pytesseract.image_to_string(crp)
    print(txt)
    cv2.imshow("crp", crp)
    cv2.waitKey(0)