Как улучшить качество изображения для извлечения текста из изображения с помощью Tesseract - PullRequest
Новая
       7

Как улучшить качество изображения для извлечения текста из изображения с помощью Tesseract

0 голосов
/ 03 февраля 2019

Я пытаюсь использовать Tessract в приведенном ниже коде, чтобы извлечь две строки изображения.Я попытался улучшить качество изображения, но даже если оно не сработало.

Кто-нибудь может мне помочь?

enter image description here

from PIL import Image, ImageEnhance, ImageFilter
import pytesseract

img = Image.open(r'C:\ocr\test00.jpg')
new_size = tuple(4*x for x in img.size)
img = img.resize(new_size, Image.ANTIALIAS)
img.save(r'C:\\test02.jpg', 'JPEG')


print( pytesseract.image_to_string( img ) )

1 Ответ

0 голосов
/ 06 февраля 2019

Учитывая комментарий @barny, я не знаю, сработает ли это, но вы можете попробовать код ниже.Я создал скрипт, который выбирает область отображения и деформирует ее в прямое изображение.Далее пороговое значение для черно-белой маски символов и результат немного подчищен.

Попробуйте, если это улучшает распознавание.Если это произойдет, также посмотрите на промежуточные этапы, чтобы вы поняли все, что происходит.

Обновление: Похоже, Tesseract предпочитает черный текст на белом фоне, инвертирует и расширяет результат.

Результат:

enter image description here

Обновленный результат:

enter image description here

код: 

import numpy as np 
import cv2
# load image
image = cv2.imread('disp.jpg')

# create grayscale
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# perform threshold
retr, mask = cv2.threshold(gray_image, 190, 255, cv2.THRESH_BINARY)

# findcontours
ret, contours, hier = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# select the largest contour
largest_area = 0
for cnt in contours:
    if cv2.contourArea(cnt) > largest_area:
        cont = cnt
        largest_area = cv2.contourArea(cnt)

# find the rectangle (and the cornerpoints of that rectangle) that surrounds the contours / photo
rect = cv2.minAreaRect(cont)
box = cv2.boxPoints(rect)
box = np.int0(box)

#### Warp image to square
# assign cornerpoints of the region of interest
pts1 = np.float32([box[2],box[3],box[1],box[0]])
# provide new coordinates of cornerpoints
pts2 = np.float32([[0,0],[500,0],[0,110],[500,110]])

# determine and apply transformationmatrix
M = cv2.getPerspectiveTransform(pts1,pts2)
tmp = cv2.warpPerspective(image,M,(500,110))

 # create grayscale
gray_image2 = cv2.cvtColor(tmp, cv2.COLOR_BGR2GRAY)
# perform threshold
retr, mask2 = cv2.threshold(gray_image2, 160, 255, cv2.THRESH_BINARY_INV)

# remove noise / close gaps
kernel =  np.ones((5,5),np.uint8)
result = cv2.morphologyEx(mask2, cv2.MORPH_CLOSE, kernel)

#draw rectangle on original image
cv2.drawContours(image, [box], 0, (255,0,0), 2)

# dilate result to make characters more solid
kernel2 =  np.ones((3,3),np.uint8)
result = cv2.dilate(result,kernel2,iterations = 1)

#invert to get black text on white background
result = cv2.bitwise_not(result)

#show image
cv2.imshow("Result", result)
cv2.imshow("Image", image)

cv2.waitKey(0)
cv2.destroyAllWindows()
...