用于文本识别的图像预处理

Posted 2023-02-23

【中文标题】用于文本识别的图像预处理

【英文标题】：Image preprocessing for text recognition

【发布时间】：2012-07-12 22:40:33

【问题描述】：

在 EmguCV 中应用于图像以进行文本识别的最佳图像预处理操作集是什么？

我已经包含了两个示例图像here。

不适合应用低通或高通过滤器，因为文本可以是任意大小。我尝试过中值和双边滤波器，但它们似乎对图像影响不大。

理想的结果是所有文本为白色，其余大部分为黑色的二进制图像。然后，此图像将被发送到 OCR 引擎。

谢谢

【问题讨论】：

你能把这些示例图片上传到这里吗？链接给出 403 禁止

【参考方案1】：

没有什么比得上最好的了。请记住，数字图像可以由不同的捕获设备获取，每个设备都可以嵌入自己的预处理系统（过滤器）和其他可以彻底改变图像甚至添加噪声的特性。因此，必须对每个案例进行不同的处理（预处理）。

但是，有一些常用操作可用于改进检测，例如，一个非常基本的操作是将图像转换为灰度并应用threshold 对图像进行二值化.我之前使用的另一种技术是the bounding box，它允许您检测文本区域。要从图像中去除噪声，您可能对腐蚀/扩张操作感兴趣。我在this post 上演示了其中一些操作。

此外，还有其他关于 OCR 和 OpenCV 的有趣帖子，您应该看看：

Simple Digit Recognition OCR in OpenCV-Python Basic OCR in OpenCV

现在，只是为了向您展示一种可用于示例图像的简单方法，这是反转颜色并应用阈值的结果：

cv::Mat new_img = cv::imread(argv[1]);
cv::bitwise_not(new_img, new_img);

double thres = 100;
double color = 255;
cv::threshold(new_img, new_img, thres, color, CV_THRESH_BINARY);

cv::imwrite("inv_thres.png", new_img);

【讨论】：

我想我必须为每个图像找到正确的腐蚀/扩张操作集。现在，我似乎无法找到适用于所有图像的合理组合。不过，分水岭的例子效果最好。

还有其他方法可以检测图片中的文字吗？

第二个 OpenCV 链接失效，这里有一个替代方案：github.com/damiles/basicOCR

【参考方案2】：

尝试形态学图像处理。看看this。但是，它仅适用于二值图像 - 因此您必须对图像进行二值化（阈值？）。虽然它很简单，但它取决于字体大小，因此一个结构元素不适用于所有字体大小。如果您想要一个通用的解决方案，有许多论文用于图像中的文本检测 - 在 google 学者中搜索该术语应该会为您提供一些有用的出版物。

【讨论】：

谢谢，那篇论文真的很有用。我查看了形态学操作，但正如您所说，它们取决于文本大小。