提高扫描文档的OCR精度

Question

我正在使用标准的兄弟A3多功能扫描许多A3文档，然后使用FineReader Pro对图像进行OCR‘。

然而，我得到了很多错误的字符识别，和许多非字母数字奇怪的字符。

有人能给我任何建议，以编程方式提高OCR的准确性，要么对扫描图像进行预处理，要么对识别的文本进行后处理？

编辑：找到一个pdf样本.它包括一些样本图像，从中我得到了最糟糕的结果。

Answer 1

你有一个样本图像，你可以张贴在某处，然后我们可以迅速告诉你是什么导致了你的大部分问题。FineReader是更好的OCR引擎之一，所以肯定有一些原因可以解释为什么你的结果会很差。

它可能与对比度和阈值设置差，图像倾斜，扫描仪中的脏辊，复杂的彩色背景，抖动的背景，字体尺寸太小，扫描dpi太低等有关。

在看到附图后，有几个小问题。

1. 背景页上有很多肮脏的斑点。FineReader似乎在你的图像上做了一个合理的工作。
2. 有一些轻微的倾斜，但这并没有造成和问题。
3. FineReader正在与粗体的、高的、用于列标题的Arial类型字体混淆。 4一个大的问题似乎是页面的底部区域，那里的对比度差，图像模糊。这似乎是扫描仪的一个问题，但可能是由于打印问题。

印刷很差，我猜这是一份报纸的扫描。大多数错误都是由于扫描问题造成的，因此很难以编程方式改进结果。

首先，我会尝试用稍微高一点的分辨率来扫描灰度图像，看看这是否有帮助。FineReader可以很好地处理灰度图像。如果您必须有一个B/W图像，然后看看扫描仪驱动程序是否包括一个设置的动态阈值，并打开它。

对于任何OCR引擎来说，您的图像都不是一个容易的任务。如果你能提高扫描效果，你会得到更好的结果。第3页右下角有很大的噪音。

您使用的是什么版本的FineReasder？FR10可能会提供比以前版本更好的结果。