提高扫描文档的 OCR 准确性

Question

我正在使用标准的 Brother A3 Multifunction 扫描大量 A3 文档，然后使用 FineReader Pro 对图像进行 OCR 处理。

但是，我在识别的字符中有很多错误，还有很多非字母数字的奇怪字符。

谁能给我一些关于以编程方式提高 OCR 准确性的提示，无论是对扫描的图像进行预处理，还是对识别的文本进行后处理？

---

编辑：Find a sample pdf。它包括一些我得到最差结果的示例图像。

Answer 1

您是否有可以在某处发布的示例图片，然后我们可以快速告诉您是什么导致了您的大部分问题。 FineReader 是目前最好的 OCR 引擎之一，因此您的结果不佳肯定是有原因的。

这可能与较差的对比度和阈值设置、图像倾斜、扫描仪中的脏滚轮、复杂和彩色背景、抖动背景、字体太小、扫描 dpi 太低等有关...

看到附图后发现了一些小问题。

1. 背景页面上有很多脏污点。 FineReader 似乎在您的图像上做了合理的工作。
2. 有一些轻微的偏差，但这不会导致问题。
3. FineReader 与用于列标题的粗体 Arial 字体混淆了。
   4 一个大问题似乎是页面底部区域对比度差，图像模糊。这似乎是扫描仪的问题，但可能是由于打印问题。

印刷质量很差，我猜是从报纸上扫描的。大多数错误是由于扫描问题造成的，因此很难以编程方式改进结果。

首先，我会尝试使用稍高的分辨率以灰度扫描图像，看看是否有帮助。 FineReader 适用于灰度图像。如果您必须拥有黑白图像，请查看扫描仪驱动程序是否包含动态阈值设置并将其打开。

对于任何 OCR 引擎来说，您的图像都不是一件容易的事。如果您可以改进扫描，您将获得更好的结果。第 3 页的右下角有很多噪音。

您使用的是哪个版本的 FineReasder？ FR10 可能会比以前的版本提供更好的结果。