使用 ImageMagick 和 'textcleaner' 为 OCR 清理图像答案

【问题标题】：Cleaning up an image for OCR with ImageMagick and 'textcleaner'使用 ImageMagick 和 'textcleaner' 为 OCR 清理图像
【发布时间】：2015-07-26 15:01:03
【问题描述】：

我想为使用 tesseract 的 OCR 准备以下图像：

目标是清理图像并去除所有噪点。我正在使用 textcleaner 脚本，该脚本使用带有以下参数的 ImageMagick：

./textcleaner -g -e normalize -f 30 -o 12 -s 2 original.jpg output.jpg

输出仍然不是很干净：

我尝试了各种参数的变化，但没有运气。有人有想法吗？

【问题讨论】：

标签： imagemagick ocr tesseract imagemagick-convert

【解决方案1】：

如果您转换为 JPEG，您将始终拥有您所看到的伪像类型。

这是 JPEG 压缩的典型“功能”。 JPEG 不适合显示清晰线条的图像，图像不同区域之间的颜色统一，仅使用很少的颜色。这适用于黑白文本。 JPEG 仅适用于典型照片，具有许多不同的颜色和阴影...

如果您使用 PNG 作为输出格式，您的问题很可能会完全解决。下图演示了这一点。我使用与上一个示例命令相同的参数生成它，但使用 PNG 作为输出格式：

textcleaner -g -e normalize -f 30 -o 12 -s 2 \
    http://i.stack.imgur.com/ficx7.jpg       \
    out.png

这是一个类似的放大输出：

如果您使用 textcleaner 脚本的参数，您很可能会进一步改善输出。但那是你的工作...... :-)

【讨论】：

非常感谢，只是将 jpg 转换成 png 对我来说有很大的不同，非常感谢，知道我的 tesseract 脚本要好得多！