如何从图像中提取虚线文本？

Question

我正在攻读我的学士学位最终项目，我想用python创建一个用于瓶子检查的OCR。 我需要一些图像文本识别方面的帮助。 我是否需要以更好的方式应用cv2操作，训练tesseract或我应该尝试其他方法？

我在图像上尝试了图像处理操作，并使用pytesseract识别字符。

使用我从这张照片得到的代码：

到这一个：

然后到这一个：

锐化功能：

def sharpen(img):
  sharpen = iaa.Sharpen(alpha=1.0, lightness = 1.0)
  sharpen_img = sharpen.augment_image(img)
  return sharpen_img

图像处理代码：

textZone = cv2.pyrUp(sharpen(originalImage[y:y + h - 1, x:x + w - 1])) #text zone cropped from the original image

sharp = cv2.cvtColor(textZone, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(sharp, 127, 255, cv2.THRESH_BINARY)

#the functions such as opening are inverted (I don't know why) that's why I did opening with MORPH_CLOSE parameter, dilatation with erode and so on

kernel_open = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
open = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel_open)

kernel_dilate = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,7))
dilate = cv2.erode(open,kernel_dilate)

kernel_close = cv2.getStructuringElement(cv2.MORPH_RECT, (1, 5))
close = cv2.morphologyEx(dilate, cv2.MORPH_OPEN, kernel_close)

print(pytesseract.image_to_string(close))

这是pytesseract.image_to_string的结果：

22203;?!)

92:53 a

预期的结果是：

22/03/20

02:53 A

Answer 1

根据您获得的结果和预期结果，您可以看到某些字符被正确识别。 假设您使用的是与教程中显示的图像不同的图像，我建议您更改threshold和getStructuringElement的threshold 。

这些值根据图像颜色更好地工作。 教程作者必须针对他/她的使用进行优化（通过反复试验或其他方式）。

如果你想在opencv中使用滑块来玩这些值， 这是一个视频。 您还可以在同一循环中打印结果，以查看是否获得了所需的结果。

Answer 2

“我是否需要以更好的方式应用cv2操作，训练tesseract或我应该尝试其他方法？”

首先，赞赏这个项目，并与之相提并论。 你从OpenCV / cv2的角度看到的东西看起来很不错。

现在，如果你想把Tesseract带到剩下的路上，至少你必须训练它。 在这里你有一个艰难的选择：投资培训Tesseract，或者通过CNN来识别有限的字母表。 如果你有办法分割图像，我很想接受后者。

Answer 3

你可以做的一件事就是提高对角色的认识，扩大角色，使pytesseract得到更好的结果。 对字符进行扩展会将各个blob连接在一起，并可以修复/或A字符。 所以从最新的二进制图像开始：

原版的

使用3x3内核扩展， iterations=1 （左）或iterations=2 （右）。 您可以尝试使用其他值但不要执行太多操作，否则字符将全部连接。 也许这将为您提供更好的结果OCR。

import cv2

image = cv2.imread("1.PNG")
thresh = cv2.threshold(image, 115, 255, cv2.THRESH_BINARY_INV)[1]
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
dilate = cv2.dilate(thresh, kernel, iterations=1)
final = cv2.threshold(dilate, 115, 255, cv2.THRESH_BINARY_INV)[1]

cv2.imshow('image', image)
cv2.imshow('dilate', dilate)
cv2.imshow('final', final)
cv2.waitKey(0)