如何提高OCR识别能力？

Question

正如你在图片中看到的，我在正确识别这类单词时遇到了困难

​

​

在结果中我得到了这个：

RMACWI O
12X60
VPFZZOOIK
IADA50527
PORTES

我正在使用这些变量

ocr.SetVariable("tessedit_pageseg_mode", 10);
ocr.SetVariable("tessedit_char_whitelist", "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789/-,.€"); 

有没有提高认知度的方法？

后来我对图像进行了二值化，但结果是最糟糕的！

​

结果是：

RMACW1 0
TZXW
VPFZZDWK
IADASDEU
PORTES

Answer 1

您可以对图像进行预处理，但将OCR引擎更改为Google cloud vision可以节省大量时间。当我运行你的图像时，它完美地检测到了文本：

RMAC6010
12X60
VPF3200/K
IADA50527
PORTES
Documentos refer
Enc. Cli EC19/041

设置Google cloud有点麻烦，但他们的AI API是世界上最好的。你可以测试你的镜像here。他们有所有主要语言的客户端库。

Google Cloud Vision Quick-start

OCR w/ gcloud documentation

Answer 2

裁剪、阈值和调整图像大小可能会有所帮助。Tesseract最适合白色背景上的黑色文本。有关更多信息，请查看this站点。

Answer 3

您可以对二进制图像应用轻微的高斯模糊。这将有助于平滑图像。结果如下：

​

​

来自OCR的结果

RMAC6010

12X60

VPF3200/K
\ADA50527

PORTES
Documentos refe:
Ene. Cli EC 19/041

我用Python OpenCV + Pytesseract实现了它，但是您也可以将同样的策略应用到C#中

import cv2
import pytesseract

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

# Load image and Otsu's Threshold to get a binary image
image = cv2.imread('1.jpg', 0)
thresh = cv2.threshold(image, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]

# Gaussian blur and then perform OCR
thresh = cv2.GaussianBlur(thresh, (3,3), 0)
data = pytesseract.image_to_string(thresh, lang='eng', config='--psm 6')
print(data)

cv2.imshow('thresh', thresh)
cv2.waitKey()