R：OCR 的边框去除

Question

我正在尝试使用 R 中的 tesserect 包从一些打印表单中提取一些信息。但是，我发现很难处理某些字符超出表单边距的情况。

阅读了一些教程后，似乎删除边框可以改善我的结果。无论如何我可以使用 R 可用的包来做到这一点。我看过包“magick”，它似乎没有检测边界的功能。 最后，如果有其他方法可以解决此问题，请告诉我。 谢谢

Answer 1

是的，你是对的，从图像中移除线条/网格肯定会提高 OCR 的准确性。

假设图像中只有水平线和垂直线以及打印的文本，这是我的方法，你可以试一试。

1) 根据图像中存在的线条找到长度高于给定阈值的水平线条。

2) 求线条粗细

3) 扫描线条像素，如果线条像素上方和下方没有黑色像素，则将其删除。这一步将避免删除线时删除字符像素。

4) 垂直线使用相同的 1、2。

5) 再次扫描垂直线，如果行像素的左右位置没有黑色像素，则删除行像素。