OCR在干净的图像上表现不佳| Python Pytesseract

Question

我一直在研究项目，该项目涉及从图像中提取文本。我研究了 tesseract 是可用的最佳库之一，我决定将其与 opencv 一起使用。 OPENCV 需要进行图像操作。

我一直在使用 tessaract 引擎玩很多，但似乎并没有给我预期的结果。我已将图像附加为参考。我得到的输出是：

1] = 501 [

而是，预期输出为

tm10-50％l

我到目前为止所做的事情：

• 删除噪声
• 自适应阈值
• 发送tesseract OCR引擎

还有其他建议可以改善算法吗？

提前致谢。

代码的摘要：

import cv2
import sys
import pytesseract
import numpy as np
from PIL import Image

if __name__ == '__main__':
  if len(sys.argv) < 2:
    print('Usage: python ocr_simple.py image.jpg')
    sys.exit(1)

  # Read image path from command line
  imPath = sys.argv[1]
  gray  = cv2.imread(imPath, 0)
  # Blur
  blur  = cv2.GaussianBlur(gray,(9,9), 0)
  # Binarizing
  thres = cv2.adaptiveThreshold(blur, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 5, 3)
  text = pytesseract.image_to_string(thresh)
  print(text)

附加图像。 第一个图像是原始图像。 原始图像

第二张图像是已被馈送到 tessaract 。 输入到tessaract

Answer 1

在图像上执行OCR之前，重要的是要预处理图像。这个想法是获得一个处理的图像，其中要提取的文本为黑色，背景为白色。对于此特定图像，我们需要在OCR之前获得ROI。

为此，我们可以转换为，稍微应用一个，然后获得二进制图像。从这里，我们可以应用将单个字母合并在一起。接下来，我们找到轮廓，使用轮廓区域过滤过滤，然后提取ROI。我们使用 -psm 6 配置选项执行文本提取，以假定单个均匀的文本块。看看在这里以获取更多选项。

---

检测到的ROI

提取的ROI

​

TM10=50%L

​

import cv2
import pytesseract

pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"

# Grayscale, Gaussian blur, Adaptive threshold
image = cv2.imread('1.jpg')
original = image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (3,3), 0)
thresh = cv2.adaptiveThreshold(blur, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 5, 5)

# Perform morph close to merge letters together
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
close = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel, iterations=3)

# Find contours, contour area filtering, extract ROI
cnts, _ = cv2.findContours(close, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2:]
for c in cnts:
    area = cv2.contourArea(c)
    if area > 1800 and area < 2500:
        x,y,w,h = cv2.boundingRect(c)
        ROI = original[y:y+h, x:x+w]
        cv2.rectangle(image, (x, y), (x + w, y + h), (36,255,12), 3)

# Perform text extraction
ROI = cv2.GaussianBlur(ROI, (3,3), 0)
data = pytesseract.image_to_string(ROI, lang='eng', config='--psm 6')
print(data)

cv2.imshow('ROI', ROI)
cv2.imshow('close', close)
cv2.imshow('image', image)
cv2.waitKey()