python - 当使用 Gimp 手动预处理图像时，使用 Tesseract-OCR 的图像到文本识别比我的 Python 代码更好

Question

我正在尝试使用 Tesseract-OCR 使用 Python 编写手动图像预处理和识别代码。

手动过程:
为了手动识别单个图像的文本，我使用 Gimp 预处理图像并创建了一个 TIF 图像。然后我将它提供给正确识别它的 Tesseract-OCR。

我使用 Gimp 预处理图像 -

1. 将模式更改为 RGB/灰度
   菜单——图像——模式——RGB
2. 阈值
   菜单——工具——颜色工具——阈值——自动
3. 将模式更改为索引
   菜单——图片——模式——索引
4. 调整大小/缩放至宽度 > 300px
   菜单--图像--缩放图像--宽度=300
5. 另存为 Tif

然后我喂它 tesseract -

$ tesseract captcha.tif output -psm 6

而且我总能得到准确的结果。

Python 代码:
我尝试使用 OpenCV 和 Tesseract 复制上述过程 -

def binarize_image_using_opencv(captcha_path, binary_image_path='input-black-n-white.jpg'):
    im_gray = cv2.imread(captcha_path, cv2.CV_LOAD_IMAGE_GRAYSCALE)
    (thresh, im_bw) = cv2.threshold(im_gray, 128, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)
    # although thresh is used below, gonna pick something suitable
    im_bw = cv2.threshold(im_gray, thresh, 255, cv2.THRESH_BINARY)[1]
    cv2.imwrite(binary_image_path, im_bw)

    return binary_image_path

def preprocess_image_using_opencv(captcha_path):
    bin_image_path = binarize_image_using_opencv(captcha_path)

    im_bin = Image.open(bin_image_path)
    basewidth = 300  # in pixels
    wpercent = (basewidth/float(im_bin.size[0]))
    hsize = int((float(im_bin.size[1])*float(wpercent)))
    big = im_bin.resize((basewidth, hsize), Image.NEAREST)

    # tesseract-ocr only works with TIF so save the bigger image in that format
    tif_file = "input-NEAREST.tif"
    big.save(tif_file)

    return tif_file

def get_captcha_text_from_captcha_image(captcha_path):

    # Preprocess the image befor OCR
    tif_file = preprocess_image_using_opencv(captcha_path)

    #   Perform OCR using tesseract-ocr library
    # OCR : Optical Character Recognition
    image = Image.open(tif_file)
    ocr_text = image_to_string(image, config="-psm 6")
    alphanumeric_text = ''.join(e for e in ocr_text)

    return alphanumeric_text    

但我没有得到相同的准确性。我错过了什么？

更新 1:

1. 原图
   
2. 使用 Gimp 创建的 Tif 图像
   
3. 由我的 python 代码创建的 Tif 图像
   

更新 2:

此代码可在 https://github.com/hussaintamboli/python-image-to-text 获得

Answer 1

如果输出与预期输出的偏差很小(即评论中建议的额外 ',"等)，请尝试将字符识别限制为您预期的字符集(例如字母数字)。