屏幕截图中低分辨率文本的 OCR答案

【问题标题】：OCR of low-resolution text from screenshots屏幕截图中低分辨率文本的 OCR
【发布时间】：2012-01-31 14:37:33
【问题描述】：

我正在编写一个 OCR 应用程序来从屏幕截图中读取字符。目前，我只关注数字。我的方法部分基于这篇博文：http://blog.damiles.com/2008/11/basic-ocr-in-opencv/。

我可以使用一些巧妙的阈值成功提取每个单独的字符。事情变得有点棘手的地方是匹配字符。即使使用固定的字体和大小，也有一些变量，例如背景颜色和字距调整，会导致相同的数字以略微不同的形状出现。例如，下图被分割成 3 部分：

顶部：我从屏幕截图中成功提取的目标数字
中间：模板：我的训练集中的一个数字
底部：顶部和中间图像之间的误差（绝对差异）

所有部分都被缩放了（两条绿色水平线之间的距离代表一个像素）。

您可以看到，尽管顶部和中间的图像都清楚地表示了 2，但它们之间的误差相当高。这在匹配其他数字时会导致误报——例如，不难看出，在上图中，放置良好的 7 可以比中间图像更好地匹配目标数字。

目前，我正在处理这个问题，方法是为每个数字生成一堆训练图像，并将目标数字与这些图像进行匹配，一个接一个。我尝试获取训练集的平均图像，但这并不能解决问题（其他数字上的误报）。

我有点不愿意使用移位模板执行匹配（这与我现在所做的基本相同）。有没有比简单的绝对差异更好的方法来比较两张图像？我在想可能像 2D 中的 EMD（地球移动器距离，http://en.wikipedia.org/wiki/Earth_mover's_distance）：基本上，我需要一种对全局偏移和局部小变化不敏感的比较方法（白色像素旁边的像素变为白色，或黑色像素旁边的像素变为黑色），但对全局变化很敏感（远离白色像素的黑色像素变为黑色，反之亦然）。

谁能提出比绝对差更有效的匹配方法？

我在 OpenCV 中使用 C 风格的 Python 包装器 (import cv) 完成所有这些工作。

【问题讨论】：

标签： python opencv ocr

【解决方案1】：

我会考虑使用 Haar 级联。我已经将它们用于人脸检测/头部跟踪，看起来你可以用足够多的 '2's、'3's、'4's 等构建一组相当不错的级联。

http://alereimondo.no-ip.org/OpenCV/34

http://en.wikipedia.org/wiki/Haar-like_features

【讨论】：

谢谢！我一定会看看 Haar 级联。与简单的图像减法相比，您认为它的效率如何？我希望它会更慢。但是，如果它慢 5 倍但替换 10 次图像检查以获得相同的效果，那绝对值得。
你必须生成级联，这是一个非常耗时的过程（但也愚蠢地并行化）。它还需要一堆输入数据（我会使用桌面上每种字体的数字）。
比减法慢，但您可以一次在图像中搜索某个级联的所有实例。

【解决方案2】：

在嘈杂的图像上进行 OCR 并不容易 - 所以简单的方法不会奏效。

因此，我建议您使用HOG 提取特征并使用 SVM 进行分类。 HOG 似乎是描述形状最有力的方式之一。

整个处理管道是在 OpenCV 中实现的，但是我不知道 python 包装器中的函数名称。您应该能够使用最新的 haartraining.cpp 进行训练 - 它实际上支持的不仅仅是 haar - HOG 和 LBP。

而且我认为最新的代码（来自trunk）比官方版本（2.3.1）有了很大的改进。

HOG 通常只需要其他识别方法使用的训练数据的一小部分，但是，如果您想对部分被遮挡（或缺失）的形状进行分类，则应确保在训练中包含一些此类形状。

【讨论】：

我不会把这些图像称为 noisy 本身，但我知道你来自哪里。我去看看HOG。谢谢。

【解决方案3】：

我可以根据我的经验和阅读几篇关于字符分类的论文告诉你，一个好的开始方法是阅读主成分分析 (PCA)、Fisher 的线性判别分析 (LDA) 和支持向量机 (SVM) ）。这些是对 OCR 非常有用的分类方法，事实证明 OpenCV 已经在 PCAs 和 SVMs 上包含了出色的实现。我还没有看到任何 OCR 的 OpenCV 代码示例，但是您可以使用一些修改版本的人脸分类来执行字符分类。 OpenCV 人脸识别代码的优秀资源是this website。

我向您推荐的另一个 Python 库是“scikits.learn”。将 cvArrays 发送到 scikits.learn 并在您的数据上运行机器学习算法非常容易。使用 SVM 进行 OCR 的基本示例是 here。

另一个使用流形学习进行手写字符识别的更复杂的例子是here。

【讨论】：