c++ - 拆分文本和背景作为 OCR (Tesseract) 的预处理

Question

我正在对电视镜头中的文本应用 OCR。 (我正在使用 Tesseact 3.x w/C++)我正在尝试拆分文本和背景部分作为 OCR 的预处理。

对于通常的镜头，文本和背景具有高对比度(例如白色与黑色)，因此修改 Gamma 就可以完成这项工作。但是，这张附加图像(黄色文本，背景为橙色/红色天空)让我很难进行预处理。

从背景中分离黄色文本的好方法是什么？

Answer 1

下面是使用 Python 2.7、OpenCV 3.2.0 和 Tesseract 4.0.0a 的简单解决方案。将 Python 转换为 C++ for OpenCV 应该不难，然后调用 tesseract API 执行 OCR。

import numpy as np
import cv2
import matplotlib.pyplot as plt
%matplotlib inline 

def show(title, img, color=True):
    if color:
        plt.imshow(img[:,:,::-1]), plt.title(title), plt.show()
    else:
        plt.imshow(img, cmap='gray'), plt.title(title), plt.show()

def ocr(img):
    # I used a version of OpenCV with Tesseract binding. Modes set to:
    #   Page Segmentation mode (PSmode) = 11 (defualt = 3)
    #   OCR Enginer Mode (OEM) = 3 (defualt = 3)
    tesser = cv2.text.OCRTesseract_create('C:/Program Files/Tesseract 4.0.0/tessdata/','eng', \
                                          'ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz',3,3)
    retval = tesser.run(img, 0) # return text string type
    print 'OCR Output: ' + retval

img = cv2.imread('./imagesStackoverflow/yellow_text.png')
show('original', img)

# apply GaussianBlur to smooth image, then threshholds yellow to white (255,255, 255)
# and sets the rest to black(0,0,0)
img = cv2.GaussianBlur(img,(5,5), 1) # smooth image
mask = cv2.inRange(img,(40,180,200),(70,220,240)) # filter out yellow color range, low and high range
show('mask', mask, False)

# invert the image to have text black-in-white
res = 255 - mask
show('result', res, False)

# pass to tesseract to perform OCR
ocr(res)

处理后的图像和 OCR 输出(参见图像的最后一行):

希望这对您有所帮助。