OCR图像预处理

Question

我一直在使用OCR的office文档成像来获取图像中的文本。对于这张照片，

​

​

我想知道在将图像输入到OCR之前，需要进行哪些预处理来提高图像的质量。到目前为止，我已经尝试过二值化(阈值)、模糊(高斯)、锐化、平均去除&增加图像的亮度和对比度，但是OCR引擎仍然无法得到准确的文本(可能是50 %的成功)。

我想知道的预处理步骤(按正确的顺序)，以提高质量，最好是在C#。屏幕的图像是通过网络摄像头拍摄的。谢谢。

Answer 1

我用我的C++和DIP库播放了您的图像，结果如下：

picture pic0,pic1;
pic0.load("ocr_green.png");
pic0.pixel_format(_pf_u);       // RGB -> Grayscale <0-765>
pic0.enhance_range();           // remove DC offset and use full dynamic range <0-765>
pic0.normalize(8,false);        // try to normalize ilumination conditions of image (equalize light) based on 8x8 sqares analysis, do not recolor saturated square with avg color
pic0.enhance_range();           // remove DC offset and use full dynamic range <0-765>
pic1=pic0;                      // copy result to pic1
pic0.pixel_format(_pf_rgba);    // Grayscale -> RGBA
int x,y,c,c0,c1;
for (y=0;y<pic1.ys;y++)         // process all H lines
    {
    c0=pic1.p[y][0].dd; c1=c0;  // find min and max intensity in H line
    for (x=0;x<pic1.xs;x++)
        {
        c=pic1.p[y][x].dd;
        if (c0>c) c0=c;
        if (c1<c) c1=c;
        }
    if (c1-c0<700)              // if difference not big enough blacken H line...
     for (x=0;x<pic1.xs;x++) pic1.p[y][x].dd=0;
    else                        // else binarize H line
     for (x=0;x<pic1.xs;x++)
      if (pic1.p[y][x].dd>=155) pic1.p[y][x].dd=765; else pic1.p[y][x].dd=0;
    }
pic1.pixel_format(_pf_rgba);    // Grayscale -> RGBA

​

​

左图像(pic0)只是你的转换为灰度，增强的动态范围到最大和平均照明。

• 看：Enhancing dynamic range and normalizing illumination你也会发现我的picture类的描述.

正确的图像(pic1)被二值化，但仅针对像素强度变化足够大的水平线(如我的注释中提到的).剩下的都是黑色的..。

Answer 2

这张图像对于OCR来说是一个很好的质量。它将无缝地进行二值化。取决于引擎，您将自己执行二进制化，或者让引擎执行它。

也许你必须把底部的区域变黑，这样字符才能分开。由于屏幕布局是固定的，这可以很容易地自动化。

您还需要检查OCR是否知道这种字体。

​

​

您可以通过配置文件分析(水平累积)来分隔白色区域。

​

​