Как дать наилучшие шансы на успех программному обеспечению OCR?

Question

Я использую Tesseract OCR (через pytesser ) и PIL (библиотека изображений Python) для автоматического тестирования приложения.

Я проверяю правильность отображаемого текста, делая снимок экрана и получая текст благодаря tesseract.

У меня были некоторые проблемы в начале, и, кажется, это работает лучше, так как я увеличил размер скриншота благодаря бикубической интерполяции PIL.

К сожалению, у меня все еще есть некоторые ошибки, такие как путаница между «0» и «O». Я могу себе представить, что у меня будут другие подобные проблемы в будущем.

Я хотел бы знать, существуют ли какие-либо методы для подготовки изображения для помощи при распознавании. Любая идея приветствуется.

Заранее спасибо

Answer 1

1. Поезд тессеракт распознает ваш шрифт
2. Сделать изображение очень чистым и с достаточным количеством свободного места вокруг символов
3. Прибыль:)

Вот несколько примеров из реальной жизни.

• Первое изображение - исходное изображение (номера счетчика мощности)
• Второе изображение слегка очищено в GIMP, точность распознавания около 50% в тессеракте
• Третье изображение полностью очищено - распознавание 100% без какого-либо обучения!

Answer 2

Бесстыдная вилка и отказ от ответственности: моя компания пакеты Tesseract для использования в .NET

Tesseract - это исправный OCR-движок. Он может многое пропустить и легко запутывается нетекстом. Лучшее, что вы можете для этого сделать, - убедиться, что он получает только текст. Следующая лучшая вещь - дать ему что-то разумно бинаризованное (адаптивный или динамический порог, чтобы добраться туда) или градации серого и позволить ему попытаться выполнить бинаризацию.

Answer 3

Даже при самых лучших условиях варианты OCR подкрадутся к вам. Лучшим вариантом будет разработка тестов, чтобы они были в курсе.

Answer 4

Для различия между 0 и O, одним простым решением является выбор шрифта, который различает оба (например: 0 имеет тире или точку в середине). Будет ли это приемлемым в вашей заявке?

Другим решением является применение шага на основе словаря после посимвольного анализа текста - подача распознанного текста в некоторую форму проверки орфографии или валидатора для различения сложных символов.

Например, круглый символ, за которым следуют другие числа, скорее всего будет нулем, а тот же символ, за которым следуют буквы, скорее всего, будет заглавной буквой o. Это тривиальный пример, но он показывает, как контекст необходим для создания более надежной системы OCR.