OCR 图像预处理

Question

我一直在使用 OCR 的 Office 文档成像来从图像中获取文本。对于这张图片，

我想知道在将图像输入 OCR 之前提高图像质量所涉及的预处理步骤。到目前为止，我已经尝试过二值化（阈值）、模糊（高斯）、锐化、平均去除和增加图像的亮度和对比度，但 OCR 引擎仍然无法获得准确的文本（可能成功率为 50%）。

我想知道预处理步骤（按正确顺序）以提高 C# 中的质量。屏幕图像是通过网络摄像头捕获的。谢谢。

Answer 1

我在 C++ 中使用我的 DIP 库对您的图像进行了一些操作，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 (pic0) 是您的图像，已转换为灰度、增强的动态范围至最大和均衡照明。

• 见：Enhancing dynamic range and normalizing illumination 你还会发现我的picture 类的描述...

正确的图像 (pic1) 已二值化，但仅适用于像素强度变化足够高的水平线（如我的评论中所述）...其余设置为黑色...

Answer 2

此图像的 OCR 质量非常好。它将无缝二值化。根据引擎，您将自己执行二值化或让引擎执行。

可能您必须将底部区域变黑以便字符分开。由于屏幕布局是固定的，因此可以轻松实现自动化。

您还需要检查此 OCR 是否知道此字体。

您可以通过轮廓分析（水平累积）来划定白色区域。