如何根据图像质量确定使用哪种 OCR 方法

Posted 2023-04-17

【中文标题】如何根据图像质量确定使用哪种 OCR 方法

【英文标题】：How to determine which method of OCR to use depending on images quality

【发布时间】：2020-04-14 04:20:54

【问题描述】：

我在问一个问题，因为我为期两周的研究开始让我很困惑。

我有一堆图像，我想从中获取运行时的数字（强化学习中的奖励功能需要它）。问题是，它们对我来说非常清楚（我知道这对于 OCR 系统来说是完全不同的事情，但这就是为什么我提供额外的图像来展示我在说什么）

我认为是因为它们相当清楚。因此，我尝试使用 PyTesseract，当它不起作用时，我尝试研究哪些其他方法对我有用。

...这就是我的搜索到此结束的方式，因为两周时间试图找出最适合我的问题的方法只是提出了更多问题。

目前我认为最好的解决方法是从 MNIST/SVNH 数据集创建数字识别模型，但这不是有点矫枉过正吗？我的意思是，图像是标准化的，它们是灰度的，它们很小，数字字体保持不变，所以我想有更简单的方法来修改这些图像/使用不同的 OCR 方法。

这就是为什么我要问两个问题：

如果不是模型，哪种方法对我的情况最有用 用 MNIST/SVNH 数据集训练？ 是否有任何类型的文档/书籍/资源可以使基础设施的实际选择更容易？我的意思是，让我们说 将来我会再次计划使用哪个 OCR 系统。 我应该在什么基础上做出选择？是否纯粹是反复试验 东西？

【问题讨论】：

这与 Stack Overflow IMO 无关。

是吗？我应该在其他类似 Stack 的网站上发布这样的问题吗？

确实如此，请参阅：help center。第一个问题不是特定的编程问题，第二个问题显然是题外话。试试统计堆栈交换？可能有一个特定于 ML/OCR 的，我不确定。

当然！对此感到抱歉。我认为我也可以在那里发布与编程相关的问题，而无需特定于代码的问题。

查看help center。

【参考方案1】：

如果您必须识别的是这 7 个分段数字，请忘记任何 OCR 包。

使用窗口的轮廓来查找数字的大小和位置。然后计数七个预定义区域中的黑色像素，面向线段。

【讨论】：

我永远不会猜到这个问题会有这样的解决方案，真的。谢谢！