图像处理以提高tesseract OCR精度
image-processing
ocr
5
0

我一直在使用tesseract将文档转换为文本。文档的质量千差万别,我正在寻找有关哪种图像处理可以改善结果的提示。我注意到,像素化程度很高的文本(例如由传真机生成的文本)对于tesseract来说尤其难以处理-大概字符的所有锯齿状边缘都会混淆形状识别算法。

哪种图像处理技术可以提高准确性?我一直在使用高斯模糊来平滑像素化图像并看到一些小的改进,但是我希望有一种更具体的技术可以产生更好的结果。说一个调整为黑白图像的滤镜,它将平滑不规则的边缘,然后说一个滤镜,它将增加对比度以使字符更加清晰。

对图像处理新手有何一般提示?

参考资料:
Stack Overflow
收藏
评论
共 10 个回答
高赞 时间 活跃

我绝不是OCR专家。但是我这周需要将文本转换为jpg。

我从彩色RGB 445x747像素jpg开始。我立即对此尝试了tesseract,该程序几乎没有转换。然后,我进入GIMP并执行以下操作。图像>模式>灰度图像>比例图像> 1191x2000像素滤镜>增强>锐化蒙版,其半径值为6.8,数量= 2.69,阈值= 0然后我以100%的质量另存为新的jpg。

然后Tesseract能够将所有文本提取到.txt文件中

金普是你的朋友。

收藏
评论

用这种方式对我非常有用的是Capture2Text项目的源代码。 http://sourceforge.net/projects/capture2text/files/Capture2Text/

顺便说一句:对于作者分享如此艰苦的算法,我深表歉意。

要特别注意文件Capture2Text \ SourceCode \ leptonica_util \ leptonica_util.c-这是此实用程序进行图像预处理的本质。

如果要运行二进制文件,则可以在Capture2Text \ Output \文件夹中检查处理之前/之后的图像转换。

PS提到的解决方案将Tesseract用于OCR,将Leptonica用于预处理。

收藏
评论

如果整个图像上的光线不均匀,则自适应阈值非常重要。这篇文章中提到了我使用GraphicsMagic进行的预处理: https : //groups.google.com/forum/#!topic/tesseract-ocr/jONGSChLRv4

GraphicsMagic还具有线性时间自适应阈值的-lat功能,我将尽快尝试。

此处介绍了使用OpenCV进行阈值处理的另一种方法: http : //docs.opencv.org/trunk/doc/py_tutorials/py_imgproc/py_thresholding/py_thresholding.html

收藏
评论

Tesseract文档包含有关如何通过图像处理步骤提高OCR质量的一些详细信息。

在某种程度上,Tesseract会自动应用它们。也可以告诉Tesseract编写一个中间图像进行检查,即检查内部图像处理的效果(在上述参考文献中搜索tessedit_write_images )。

更重要的是,Tesseract 4中的新神经网络系统产生了更好的OCR结果-总体而言,尤其是对于具有某些噪声的图像。它通过--oem 1启用,例如:

$ tesseract --oem 1 -l deu page.png result pdf

(此示例选择德语)

因此,在应用一些自定义的预处理图像处理步骤之前,首先测试使用新的Tesseract LSTM模式可获得的距离是有意义的。

(截至2017年底,Tesseract 4尚未稳定发布,但开发版本可用)

收藏
评论

我这样做是为了从文本很小的图像中获得良好的效果。

  1. 对原始图像应用模糊处理。
  2. 应用自适应阈值。
  3. 应用锐化效果。

如果仍然无法获得良好的效果,请将图像缩放到150%或200%。

收藏
评论

这有点早,但是仍然可能有用。

我的经验表明,在将图像传递给tesseract之前调整其大小有时会有所帮助。

尝试不同的插值模式。帖子https://stackoverflow.com/a/4756906/146003对我有很大帮助。

收藏
评论
  1. 修复DPI(如果需要)最低300 DPI
  2. 固定文字大小(例如12磅应该可以)
  3. 尝试修复文本行(歪斜和变形文本)
  4. 尝试固定图像的照明度(例如,图像无暗部)
  5. 对图像进行二值化和去噪

没有适用于所有情况的通用命令行(有时您需要模糊和锐化图像)。但是您可以尝试使用Fred的ImageMagick Scripts尝试使用TEXTCLEANER

如果您不喜欢命令行,也许您可以尝试使用开源scantailor.sourceforge.net或商用Bookrestorer

收藏
评论

上面的Sathyaraj代码的Java版本:

// Resize
public Bitmap resize(Bitmap img, int newWidth, int newHeight) {
    Bitmap bmap = img.copy(img.getConfig(), true);

    double nWidthFactor = (double) img.getWidth() / (double) newWidth;
    double nHeightFactor = (double) img.getHeight() / (double) newHeight;

    double fx, fy, nx, ny;
    int cx, cy, fr_x, fr_y;
    int color1;
    int color2;
    int color3;
    int color4;
    byte nRed, nGreen, nBlue;

    byte bp1, bp2;

    for (int x = 0; x < bmap.getWidth(); ++x) {
        for (int y = 0; y < bmap.getHeight(); ++y) {

            fr_x = (int) Math.floor(x * nWidthFactor);
            fr_y = (int) Math.floor(y * nHeightFactor);
            cx = fr_x + 1;
            if (cx >= img.getWidth())
                cx = fr_x;
            cy = fr_y + 1;
            if (cy >= img.getHeight())
                cy = fr_y;
            fx = x * nWidthFactor - fr_x;
            fy = y * nHeightFactor - fr_y;
            nx = 1.0 - fx;
            ny = 1.0 - fy;

            color1 = img.getPixel(fr_x, fr_y);
            color2 = img.getPixel(cx, fr_y);
            color3 = img.getPixel(fr_x, cy);
            color4 = img.getPixel(cx, cy);

            // Blue
            bp1 = (byte) (nx * Color.blue(color1) + fx * Color.blue(color2));
            bp2 = (byte) (nx * Color.blue(color3) + fx * Color.blue(color4));
            nBlue = (byte) (ny * (double) (bp1) + fy * (double) (bp2));

            // Green
            bp1 = (byte) (nx * Color.green(color1) + fx * Color.green(color2));
            bp2 = (byte) (nx * Color.green(color3) + fx * Color.green(color4));
            nGreen = (byte) (ny * (double) (bp1) + fy * (double) (bp2));

            // Red
            bp1 = (byte) (nx * Color.red(color1) + fx * Color.red(color2));
            bp2 = (byte) (nx * Color.red(color3) + fx * Color.red(color4));
            nRed = (byte) (ny * (double) (bp1) + fy * (double) (bp2));

            bmap.setPixel(x, y, Color.argb(255, nRed, nGreen, nBlue));
        }
    }

    bmap = setGrayscale(bmap);
    bmap = removeNoise(bmap);

    return bmap;
}

// SetGrayscale
private Bitmap setGrayscale(Bitmap img) {
    Bitmap bmap = img.copy(img.getConfig(), true);
    int c;
    for (int i = 0; i < bmap.getWidth(); i++) {
        for (int j = 0; j < bmap.getHeight(); j++) {
            c = bmap.getPixel(i, j);
            byte gray = (byte) (.299 * Color.red(c) + .587 * Color.green(c)
                    + .114 * Color.blue(c));

            bmap.setPixel(i, j, Color.argb(255, gray, gray, gray));
        }
    }
    return bmap;
}

// RemoveNoise
private Bitmap removeNoise(Bitmap bmap) {
    for (int x = 0; x < bmap.getWidth(); x++) {
        for (int y = 0; y < bmap.getHeight(); y++) {
            int pixel = bmap.getPixel(x, y);
            if (Color.red(pixel) < 162 && Color.green(pixel) < 162 && Color.blue(pixel) < 162) {
                bmap.setPixel(x, y, Color.BLACK);
            }
        }
    }
    for (int x = 0; x < bmap.getWidth(); x++) {
        for (int y = 0; y < bmap.getHeight(); y++) {
            int pixel = bmap.getPixel(x, y);
            if (Color.red(pixel) > 162 && Color.green(pixel) > 162 && Color.blue(pixel) > 162) {
                bmap.setPixel(x, y, Color.WHITE);
            }
        }
    }
    return bmap;
}
收藏
评论

根据经验,我通常使用OpenCV库应用以下图像预处理技术:

  1. 重新缩放图像(建议使用DPI小于300 dpi的图像):

     img = cv2.resize(img, None, fx=1.2, fy=1.2, interpolation=cv2.INTER_CUBIC) 
  2. 将图像转换为灰度:

     img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
  3. 应用膨胀和腐蚀来消除噪声(您可能会根据数据集使用内核大小):

     kernel = np.ones((1, 1), np.uint8) img = cv2.dilate(img, kernel, iterations=1) img = cv2.erode(img, kernel, iterations=1) 
  4. 应用模糊,可以使用以下任一行来完成(每行都有其优点和缺点,但是,中值模糊和双边滤波器通常比高斯模糊更好):

     cv2.threshold(cv2.GaussianBlur(img, (5, 5), 0), 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1] cv2.threshold(cv2.bilateralFilter(img, 5, 75, 75), 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1] cv2.threshold(cv2.medianBlur(img, 3), 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1] cv2.adaptiveThreshold(cv2.GaussianBlur(img, (5, 5), 0), 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 31, 2) cv2.adaptiveThreshold(cv2.bilateralFilter(img, 9, 75, 75), 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 31, 2) cv2.adaptiveThreshold(cv2.medianBlur(img, 3), 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 31, 2) 

我最近为Tesseract编写了一个非常简单的指南,但是它应该使您能够编写第一个OCR脚本,并清除在事情进展不如文档中所希望的情况下遇到的一些障碍。

如果您想查看它们,请在这里与您共享链接:

收藏
评论

要提高图像的可读性,有三点:1)调整高度和宽度可变的图像的大小(分别乘以0.5和1和2以及图像高度和宽度)。 2)将图像转换为灰度格式(黑白)。 3)去除噪点并使其更清晰(过滤图像)。

请参考以下代码:

//Resize
  public Bitmap Resize(Bitmap bmp, int newWidth, int newHeight)
        {

                Bitmap temp = (Bitmap)bmp;

                Bitmap bmap = new Bitmap(newWidth, newHeight, temp.PixelFormat);

                double nWidthFactor = (double)temp.Width / (double)newWidth;
                double nHeightFactor = (double)temp.Height / (double)newHeight;

                double fx, fy, nx, ny;
                int cx, cy, fr_x, fr_y;
                Color color1 = new Color();
                Color color2 = new Color();
                Color color3 = new Color();
                Color color4 = new Color();
                byte nRed, nGreen, nBlue;

                byte bp1, bp2;

                for (int x = 0; x < bmap.Width; ++x)
                {
                    for (int y = 0; y < bmap.Height; ++y)
                    {

                        fr_x = (int)Math.Floor(x * nWidthFactor);
                        fr_y = (int)Math.Floor(y * nHeightFactor);
                        cx = fr_x + 1;
                        if (cx >= temp.Width) cx = fr_x;
                        cy = fr_y + 1;
                        if (cy >= temp.Height) cy = fr_y;
                        fx = x * nWidthFactor - fr_x;
                        fy = y * nHeightFactor - fr_y;
                        nx = 1.0 - fx;
                        ny = 1.0 - fy;

                        color1 = temp.GetPixel(fr_x, fr_y);
                        color2 = temp.GetPixel(cx, fr_y);
                        color3 = temp.GetPixel(fr_x, cy);
                        color4 = temp.GetPixel(cx, cy);

                        // Blue
                        bp1 = (byte)(nx * color1.B + fx * color2.B);

                        bp2 = (byte)(nx * color3.B + fx * color4.B);

                        nBlue = (byte)(ny * (double)(bp1) + fy * (double)(bp2));

                        // Green
                        bp1 = (byte)(nx * color1.G + fx * color2.G);

                        bp2 = (byte)(nx * color3.G + fx * color4.G);

                        nGreen = (byte)(ny * (double)(bp1) + fy * (double)(bp2));

                        // Red
                        bp1 = (byte)(nx * color1.R + fx * color2.R);

                        bp2 = (byte)(nx * color3.R + fx * color4.R);

                        nRed = (byte)(ny * (double)(bp1) + fy * (double)(bp2));

                        bmap.SetPixel(x, y, System.Drawing.Color.FromArgb
                (255, nRed, nGreen, nBlue));
                    }
                }



                bmap = SetGrayscale(bmap);
                bmap = RemoveNoise(bmap);

                return bmap;

        }


//SetGrayscale
  public Bitmap SetGrayscale(Bitmap img)
        {

            Bitmap temp = (Bitmap)img;
            Bitmap bmap = (Bitmap)temp.Clone();
            Color c;
            for (int i = 0; i < bmap.Width; i++)
            {
                for (int j = 0; j < bmap.Height; j++)
                {
                    c = bmap.GetPixel(i, j);
                    byte gray = (byte)(.299 * c.R + .587 * c.G + .114 * c.B);

                    bmap.SetPixel(i, j, Color.FromArgb(gray, gray, gray));
                }
            }
            return (Bitmap)bmap.Clone();

        }
//RemoveNoise
   public Bitmap RemoveNoise(Bitmap bmap)
        {

            for (var x = 0; x < bmap.Width; x++)
            {
                for (var y = 0; y < bmap.Height; y++)
                {
                    var pixel = bmap.GetPixel(x, y);
                    if (pixel.R < 162 && pixel.G < 162 && pixel.B < 162)
                        bmap.SetPixel(x, y, Color.Black);
                    else if (pixel.R > 162 && pixel.G > 162 && pixel.B > 162)
                        bmap.SetPixel(x, y, Color.White);
                }
            }

            return bmap;
        }

输入图像
输入图像

输出图像输出图像

收藏
评论
新手导航
  • 社区规范
  • 提出问题
  • 进行投票
  • 个人资料
  • 优化问题
  • 回答问题

关于我们

常见问题

内容许可

联系我们

@2020 AskGo
京ICP备20001863号