gpt4 book ai didi

python - 低质量数字图像的 OCR 预处理方法?

转载 作者:行者123 更新时间:2023-12-05 07:29:29 24 4
gpt4 key购买 nike

我目前正在进行一个项目,该项目将读取数独网格的图像、检测网格、识别数字、解决难题并将解决方案覆盖在图像上。为了识别数字,我将网格划分为 n*2 个图像,其中每个图像都是一个单独的网格(示例:ex2 ex9),并将它们运行到 pytesseract 中。然而,我的所有图片都没有检测到任何文本,即使它只是一张没有噪音/边框/等的数字图片。

我已经尝试了平滑图像的常用方法、各种阈值方法、调整图像大小、反转图像以及将数字裁剪到边界框,但这些似乎都不起作用。我已经在其他图像上测试了我为 pytesseract 编写的代码,这些代码似乎都可以正常工作,只是它们对我的图像不起作用。

谁能就我可以尝试的方法和/或为什么我的图像似乎不容易处理提供建议?

作为引用,这是我一直在使用的 pytesseract image_to_string 的设置:

text = image_to_string(im, config='--psm 10 --oem 3' + '-c tessedit_char_whitelist=123456789')

最佳答案

我找到了解决方案,但肯定不美观。我发现 pytesseract 在捕获数字很少的数字方面很糟糕。我从 CNN 中获得灵感,它在进行图像识别时使用“零填充”。现在请注意,我唯一从中获得灵感的是它的实际名称,而不是方法(它比本文将要接近的任何东西都复杂得多)。

我找到了一个包含 0 的图像,并创建了一个包含三个零(任意选择的数字和数字数量)的“零填充图像”。无论如何,我发现 pytesseract 能够完美地扫描数字图像! 15/15 例,而不是 3/15 例。请记住将 OCR 扫描数字除以 1000(如果您使用三个 0)。

我使用了这篇文章中展示的水平图像堆叠技术: Image stacking post

import numpy as np
from PIL import Image
def concat_images(imga, imgb):
"""
type(imga): string of filename
type(imgb): string of filename
type(new_img): PIL.Image.Image

"""
imga = np.asarray(Image.open(imga).convert('LA') )
imgb = np.asarray(Image.open(imgb).convert('LA') )

ha,wa = imga.shape[:2]
hb,wb = imgb.shape[:2]
max_height = np.max([ha, hb])
total_width = wa+wb
new_img = np.zeros(shape=(max_height, total_width, 2) , dtype = 'uint8')
new_img[:ha,:wa]=imga
new_img[:hb,wa:wa+wb]=imgb
new_img = Image.fromarray(new_img)

return new_img

关于python - 低质量数字图像的 OCR 预处理方法?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52731296/

24 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com