提高扫描文档的 OCR 准确性

Question

我使用标准 Brother A3 多功能一体机扫描大量 A3 文档，然后使用 FineReader Pro 对图像进行 OCR 处理。

但是，我在识别的字符中遇到很多错误，以及很多非字母数字的奇怪字符。

有人可以给我一些以编程方式提高 OCR 准确性的提示，无论是对扫描图像进行预处理，还是对识别文本进行后处理？

---

编辑：查找示例 pdf。它包括一些示例图像，我从中得到了最差的结果。

Answer 1

您是否有可以发布在某处的示例图像，然后我们可以快速告诉您导致大多数问题的原因。 FineReader 是目前最好的 OCR 引擎之一，因此您的结果不佳肯定是有原因的。

这可能与对比度和阈值设置不佳、图像倾斜、扫描仪中的脏滚筒、复杂且彩色的背景、抖动背景、字体大小太小、扫描 dpi 太低等有关......

看到所附图像后，有一个几个小问题。

1. 背景页上有很多脏斑点。 FineReader 似乎在您的图像上对此做了合理的工作。
2. 存在一些轻微的偏差，但这不会导致问题。
3. FineReader 与用于列标题的粗体高 Arial 字体混淆。
   4 一个大问题似乎是页面底部区域的对比度较差且图像模糊。这似乎是扫描仪的问题，但也可能是由于打印问题造成的。

印刷质量很差，我猜这是报纸的扫描件。大多数错误都是由于扫描问题造成的，因此很难以编程方式改进结果。

首先，我会尝试使用稍高的分辨率扫描灰度图像，看看是否有帮助。 FineReader 可以很好地处理灰度图像。如果您必须有黑白图像，请查看扫描仪驱动程序是否包含动态阈值设置并将其打开。

对于任何 OCR 引擎来说，获取图像都不是一件容易的事。如果您可以改进扫描，您将获得更好的结果。第 3 页右下角有很多噪音。

您使用的是哪个版本的 FineReasder？ FR10 可能会比以前的版本提供更好的结果。