Tesseract 改进和图像预处理步骤

Question

我正在研究 Tesseract 库，下面是 Tesseract 的输入，

在实施的初始步骤中，我只使用了身份证的“MRZ”区域。 但实际意图是扫描整个文档，得到身份证中的所有文字。

我已经通过this document 并且为了提高 Tesseract 的质量，第一步是图像应该是 300 dpi。

1) 如何将ios中拍摄的相机图像转换为300 dpi？

2) Tesseract 提供最佳输出的最佳对比度和亮度级别应该是多少？

3) 是否有任何其他预处理步骤可以应用于图像以获得良好的准确性？

4) 为了获得更好的精度，推荐的图像分辨率是多少？

5) 我使用"int tesseract::TESSDLL_API::MeanTextConf" 来获得置信度分数。有了每个字符的置信度分数，我是否有可能确定置信度分数是否高于某个百分比，那么识别的字符是否准确？如果我错了，你能解释一下“MeanTextConf”方法的使用吗？

Answer 1

前段时间，我写了几篇关于图像预处理和“OCR 如何发挥最佳作用”的通用 OCR 博客文章。请在此处找到它们：http://www.ocr-it.com/user-scenario-process-digital-camera-pictures-and-ocr-to-extract-specific-numbers

一般来说，获得足够高的分辨率应该是第一步。低分辨率根本没有足够的每个字母的信息来可靠地读取字符。然后我进行自适应二值化，使用阈值将图像转换为黑白，其中背景应该是药房，字符应该保持非常清晰，没有额外的噪音或孔洞。然后，可选地，可以对各个字段进行分段，并通过特定的设置分别处理每个字段，例如数字为“仅数字”，性别字段为“M|F”等。