在 Android 上使用 OpenCV 提高 Tesseract 性能

Posted 2023-04-17

【中文标题】在 Android 上使用 OpenCV 提高 Tesseract 性能

【英文标题】：improve Tesseract performance with OpenCV on Android

【发布时间】：2012-09-23 23:26:58

【问题描述】：

我正在开发一个使用实时 OCR 的 android 应用程序。我使用 OpenCV 和 Tesseract 库。但性能很差，即使在我的 Galaxy SIII 上也是如此。有什么方法可以提高性能？这是我的代码：

    Mat mGray = new Mat();
capture.retrieve(mGray);
Bitmap bmp = Bitmap.createBitmap(mGray.cols(), mGray.rows(), Bitmap.Config.ARGB_8888);
tessBaseApi.setImage(bmp);
String recognizedText = tessBaseApi.getUTF8Text();
Log.i("Reg", recognizedText);

将位图传递给 Tesseract API 会降低 tesseract OCR 的速度吗？在传递给 Tesseract API 之前我应该​​执行哪些预处理？

【问题讨论】：

你说的是速度还是识别准确率？

我正在考虑速度，它很慢。

嘿@QuiLlHoN 你有没有找到解决如此缓慢性能的任何解决方案？我遇到了同样的问题：/

【参考方案1】：

要尝试的一件事是使用自适应阈值（OpenCV 中的adaptiveThreshold）对图像进行二值化。

【讨论】：

Tesseract 已在内部执行此操作。它使用 Otsu 的阈值。 code.google.com/p/tesseract-ocr/source/browse/ccstruct/…

Otsu 的方法使用单个全局阈值。如果照明不完全均匀，这与自适应阈值处理效果不一样（参见docs.opencv.org/trunk/doc/py_tutorials/py_imgproc/… 示例）

确实 Otsu 并没有那么好，但它仍然非常快。因此，虽然这可能会解决精度问题，但不会对性能产生很大影响。

【参考方案2】：

您可以让 Tesseract 只执行第 1 次识别，这样它就会跳过第 2 到第 9 次， 当它调用recog_all_words() 时。

更改baseapi.cpp中的以下行 并重建您的 Tesseract 库项目：

if (tesseract_->recog_all_words(page_res_, monitor, NULL, NULL, 0)) 

改成：

if (tesseract_->recog_all_words(page_res_, monitor, NULL, NULL, 1)) 

【讨论】：

我编辑了代码并重建了库。但是速度还是很慢。

【参考方案3】：

一些可能使它更快的事情是：

在 createBitmap 之前，从 mGray 中选择文本所在的较小区域 - 因此后面的较重的方法会处理较小的图像。 将 Bitmap.Config.ARGB_8888 更改为 Bitmap.Config.RGB_565 - 您的图像是灰度图像，不需要 ARGB 位图。

【讨论】：

TessBaseAPI 只接受 ARGB_8888 图像。有没有找到文本区域的算法？谢谢。

【参考方案4】：

使用多线程，但请注意为 TessBaseAPI 的每个线程创建一个实例。不要在不同的线程之间共享它们。创建 N 个线程（N >= 核心数），java 将确保您至少加速核心数倍。

我所做的是创建 N 个线程，它们在自己的上下文中（在 run 方法中）创建 TessBaseAPI 对象，并在循环中等待 OCR 请求直到被中断。

    ...
    ...
    @Override
    public void run() 

      TessBaseAPI tessBaseApi = new TessBaseAPI();

      tessBaseApi.init(Ocrrrer.DATA_PATH, "eng");

      setTessVariable(tessBaseApi, "load_system_dawg", "0");
      setTessVariable(tessBaseApi, "load_freq_dawg", "0");
      setTessVariable(tessBaseApi, "load_unambig_dawg", "0");
      setTessVariable(tessBaseApi, "load_punc_dawg", "0");
      setTessVariable(tessBaseApi, "load_number_dawg", "0");
      setTessVariable(tessBaseApi, "load_fixed_length_dawgs", "0");
      setTessVariable(tessBaseApi, "load_bigram_dawg", "0");
      setTessVariable(tessBaseApi, "wordrec_enable_assoc", "0");
      setTessVariable(tessBaseApi, "tessedit_enable_bigram_correction", "0");
      setTessVariable(tessBaseApi, "assume_fixed_pitch_char_segment", "1");
      setTessVariable(tessBaseApi, TessBaseAPI.VAR_CHAR_WHITELIST, "1234567890ABCDEFGHIJKLMNOPQRSTUVWXYZ<");

      Log.d(TAG, "Training file loaded");


      while (!interrupted()) 
        reentrantLock.lock();
        try 
          Log.d(TAG, this.getName() + " wait for OCR");
          jobToDo.await();
          Log.d(TAG, this.getName() + " input arrived. Do OCR");
          this.ocrResult = doOcr(tessBaseApi);
          ocrDone.signalAll();
         catch (InterruptedException e) 
          return;
         finally 
          try 
            reentrantLock.unlock();
           catch (Exception ex) 
          
        
      

    
    ...
    ...

您可以看到 tessBaseApi 对象是 run 方法的本地对象，因此绝对不共享。