OCR 在干净的图像上表现不佳 | Python Pytesseract

Question

我一直在从事涉及从图像中提取文本的项目。 我研究过tesseract是可用的最好的库之一，我决定将其与opencv一起使用。 图像处理需要Opencv 。

我一直在玩tessaract引擎，但它似乎并没有给我预期的结果。 我已附上图片作为参考。 我得到的输出是：

1] =501 [

相反，预期的输出是

TM10-50%L

到目前为止我做了什么：

• 消除噪音
• 自适应阈值
• 发送 tesseract ocr 引擎

还有其他改进算法的建议吗？

提前致谢。

代码片段：

import cv2
import sys
import pytesseract
import numpy as np
from PIL import Image

if __name__ == '__main__':
  if len(sys.argv) < 2:
    print('Usage: python ocr_simple.py image.jpg')
    sys.exit(1)

  # Read image path from command line
  imPath = sys.argv[1]
  gray  = cv2.imread(imPath, 0)
  # Blur
  blur  = cv2.GaussianBlur(gray,(9,9), 0)
  # Binarizing
  thres = cv2.adaptiveThreshold(blur, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 5, 3)
  text = pytesseract.image_to_string(thresh)
  print(text)

附上图片。 第一个图像是原始图像。 原始图像

第二张图片是输入到tessaract的图片。 输入到 tessaract

Answer 1

在对图像执行 OCR 之前，对图像进行预处理很重要。 这个想法是获得一个处理过的图像，其中要提取的文本是黑色的，背景是白色的。 对于这个特定的图像，我们需要在 OCR 之前获得 ROI。

为此，我们可以转换为灰度，应用轻微的高斯模糊，然后自适应阈值以获得二值图像。 从这里，我们可以应用形态闭合来将单个字母合并在一起。 接下来我们找到轮廓，使用轮廓区域过滤进行过滤，然后提取 ROI。 我们使用--psm 6配置选项执行文本提取，以假设单个统一的文本块。 在这里查看更多选项。

---

检测到的投资回报率

提取的投资回报率

Pytesseract OCR 的结果

TM10=50%L

代码

import cv2
import pytesseract

pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"

# Grayscale, Gaussian blur, Adaptive threshold
image = cv2.imread('1.jpg')
original = image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (3,3), 0)
thresh = cv2.adaptiveThreshold(blur, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 5, 5)

# Perform morph close to merge letters together
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
close = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel, iterations=3)

# Find contours, contour area filtering, extract ROI
cnts, _ = cv2.findContours(close, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2:]
for c in cnts:
    area = cv2.contourArea(c)
    if area > 1800 and area < 2500:
        x,y,w,h = cv2.boundingRect(c)
        ROI = original[y:y+h, x:x+w]
        cv2.rectangle(image, (x, y), (x + w, y + h), (36,255,12), 3)

# Perform text extraction
ROI = cv2.GaussianBlur(ROI, (3,3), 0)
data = pytesseract.image_to_string(ROI, lang='eng', config='--psm 6')
print(data)

cv2.imshow('ROI', ROI)
cv2.imshow('close', close)
cv2.imshow('image', image)
cv2.waitKey()