无法识别 Tesseract 中的数字 - android

Posted 2023-04-17

【中文标题】无法识别 Tesseract 中的数字 - android

【英文标题】：Trouble recognizing digits in Tesseract - android

【发布时间】：2012-04-28 14:36:39

【问题描述】：

我希望有人能告诉我为什么我的 Tesseract 无法识别一些带有数字的图像，如果有什么我可以做的。 一切都根据测试工作，因为它只是我需要的数字，我想我可以用英文模式来管理，直到我也必须从 7segmented 显示器开始。

虽然我在附加图像方面遇到了很多麻烦，但我想知道我是否应该开始研究我自己的识别算法，或者我是否可以为 Tesseract 做我自己的数据集，然后它会起作用，有人吗？知道 Tesseract 的限制在哪里吗？

尝试过的事情： 试图将 psm 设置为 one_line、one_word、one_char（并切碎图片）。 使用 one_line 和 one_word 没有显着变化。 使用 one_char 它确实识别得更好，但有时，由于间距大，它附加了一个额外的数字，然后把它搞砸了，如果你看一下附加的图像，那么它会导致 04。 我也尝试自己进行二值化，这导致识别效果较差并且非常消耗资源。 我试图反转图片，这对 tesseract 没有任何影响。

我已经附上了我需要处理的图片。

图片说明：

是 tesseract 可以毫无问题地识别的图像，尽管它是为了方便围绕工作图像构建应用程序而用 word 制作的。

是与 image_seven 匹配的真实图像。但它无法识别这一点。

是另一个我希望它识别的图像，是的，我知道它不能被歪斜，我在测试时做了解开（认为 skrew 是这里的术语=="straighting"）它。

【问题讨论】：

skrew=skew nice :)。此外，图像工具集可以减少噪点、锐化等等。这可能会有所帮助

【参考方案1】：

我知道一些可能对您有所帮助的选项：

在图像边框和文本之间添加额外的空间。如果图像中的文本位于边缘，Tesseract 会很糟糕。 复制您的图像。例如，如果您对单词“foobar”执行 OCR，克隆图像并将“foobar foobar foobar foobar foobar”发送到 tesseract，结果会更好。 Google 为 font training 和 image binarization 为 tesseract。

请记住，移动设备中的内置摄像头大多会产生低质量的图像（模糊、噪点、歪斜等）。OCR 本身是一个消耗资源的过程，如果您在其中添加有价值的图像预处理，那么低端和中型移动设备（可能有 android）可能会面临出乎意料的性能下降甚至资源不足的问题。这对于免费/研究项目来说是可以的，但如果您正在规划一个商业应用程序 - 考虑使用更好的 SDK。

详情请看这个问题：OCR for android

【讨论】：

感谢您的意见，我一定会尝试的。关于低端中端移动，普通的中段imo。至少有 3mpix 摄像头，这应该足够了，尽管自动对焦是一个问题，但它是可控的。为了避免图片歪斜，我在屏幕上设置了一个非常有限的矩形作为叠加层，因此也可以避免这种情况。但我同意它可能对手机来说太重了，我不介意它在服务器上运行，我只需要知道它首先工作，我还没有获得：-/

虽然您知道如何复制和/或为图片添加框架吗？生病开始四处寻找它，只要你已经有任何经验:)

1 和 2 不起作用。我在折腾 tesseract，尝试改用 javaocr

【参考方案2】：

Tesseract 不会为您进行分段。 Tesseract 将在实际的 tesseract 算法之前对图像进行阈值处理。阈值处理后，图像中可能会残留一些边缘、伪影。

尝试手动将您的图像修改为黑白颜色，并查看 tesseract 作为输出返回的内容。

尝试（自动）阈值化您的图像并查看 tesseract 作为输出返回的内容。阈值的输出可能太糟糕了，导致 tesseract 给出错误的输出。

您的第四张图片可能会因阈值处理而失败（您有 3 种颜色：黑色背景、灰色背景和白色字母），并且阈值可能介于（黑色背景、灰色背景）之间。

通常，Tesseract 想要漂亮的黑白图像。可能需要对图像进行预处理以获得更好的结果。

对于您的第一张图像（结果为“04”），尝试查看框结果（字符 + 包含已识别字符的框坐标）。 “0”可能是一个小的人工制品 - 就像一个 4 x 4 的像素块。

【参考方案3】：

你可以试试 javaocr（http://sourceforge.net/projects/javaocr/，是的，我是开发者）

虽然没有正式发布，但您必须寻找来源（好消息：有工作的 android 示例，包括采样器、离线训练器和识别器应用程序）

如果你只有一种字体，你可以用它得到很好的结果（我在同一字体的数字上达到了 99.96 的识别率）

PS：它是纯 java 并且使用不变矩来执行匹配（所以缩放和旋转没有问题）。还有非常有效的二值化。

查看实际效果：

https://play.google.com/store/apps/details?id=de.pribluda.android.ocrcall&feature=search_result#?t=W251bGwsMSwxLDEsImRlLnByaWJsdWRhLmFuZHJvaWQub2NyY2FsbCJd

【讨论】：

试用了您的应用，似乎无法识别我的任何数字/图片：-/

这个应用程序被训练成白色背景上的黑色文本。如果您需要底片，您可以在 javaocr 过程中尝试 android 样本（在二值化过程中只需稍作修改即可使用底片） PS：您可以发布识别结果截图吗？然后我可以提供更多提示

不需要，因为我的是底片:-)

好吧，你应该试试安卓演示。

也试过了，之前一直在尝试你的，尝试教它多种数字字体。尤其是这个问题遇到了很大的麻烦：dafont.com/silverball-oblique.font 仅供参考 :)