如何提高EasyOCR的预测精度？

Question

我正试着从车牌号上提取字符。但是很少有错误的预测像

​

​

我得到的输出是UP74 BD 3465，这是错误的。有许多B被预测为8的例子，还有更多的例子。

• 如何提高它的准确性？。
• 如何对图像进行预处理以得到正确的预测或任何其他方法？

import matplotlib.pyplot as plt
import easyocr
from pylab import rcParams
from IPython.display import Image

rcParams['figure.figsize'] = 8, 16
reader = easyocr.Reader(['en'])

output = reader.readtext(path)
for i in range(len(output)):
    print(output[i][-2])

Answer 1

• 首先，我建议您阅读关于OCR：链接的图像增强的主题.
• 其次，在上述主题的相同意义上，您可以在(ROI)，裁剪感兴趣的区域之后使用Thresholding、Gaussian Filtering和Histogram Equalization来解决这个特定图像的问题，因此输出图像如下所示：

​

​

产出如下：

UP14 BD 3465

import cv2
import easyocr
from pylab import rcParams
# import numpy library
import numpy as np

# define the path
path = 'input.png'

# read the image
img = cv2.imread(path, 0)

# find the white rectangle
th = img.copy()
th[th<200] = 0

bbox = np.where(th>0)
y0 = bbox[0].min()
y1 = bbox[0].max()
x0 = bbox[1].min()
x1 = bbox[1].max()

# crop the region of interest (ROI)
img = img[y0:y1, x0:x1]

# histogram equalization
equ = cv2.equalizeHist(img)
# Gaussian blur
blur = cv2.GaussianBlur(equ, (5, 5), 1)

# manual thresholding
th2 = 60 # this threshold might vary!
equ[equ>=th2] = 255
equ[equ<th2]  = 0

# Now apply the OCR on the processed image
rcParams['figure.figsize'] = 8, 16
reader = easyocr.Reader(['en'])

output = reader.readtext(equ)

for i in range(len(output)):
    print(output[i][-2])

Answer 2

你给出的图像太暗了，所以如果你想要的话，你可以跟着这个链接https://stackoverflow.com/a/50053219/17233488。另外，在增加亮度后，您可能会在图像上看到一些阴影，因此，您可以通过这个链接，https://stackoverflow.com/a/44752405/17233488。另外，对于其他任务，尝试使用deskew和其他形态过程，如上面所建议的。

Answer 3

还有另一种方法可以正确地识别它。

首先，

pip3 install paddleocr

然后

paddleocr  --image_dir=./J8uyr.png

你可以得到下面的结果。

[[20.0，10.0,202.0，10.0,202.0，42.0，20.0，42.0]，('UP14BD3465'，0.9637424349784851)]

我建议使用paddleOCR (https://github.com/PaddlePaddle/PaddleOCR)