如何使用 Pytesseract 文本識別提高 OCR？

Question

嗨，我希望通過 pytesseract 提高我在數字識別方面的表現。

我將原始圖像分成如下所示的部分：

大小可以變化。

為此，我應用了一些像這樣的預處理方法

image = cv2.imread(im, cv2.IMREAD_GRAYSCALE)
image = cv2.GaussianBlur(image, (1, 1), 0)
kernel = np.ones((5, 5), np.uint8)
result_img = cv2.blur(img, (2, 2), 0)
result_img = cv2.dilate(result_img, kernel, iterations=1)
result_img = cv2.erode(result_img, kernel, iterations=1)

我明白了

然后我將其傳遞給 pytesseract：

num = pytesseract.image_to_string(result_img, lang='eng',
                                     config='--psm 10 --oem 3 -c tessedit_char_whitelist=0123456789')

然而，這對我來說還不夠好，而且經常弄錯數字。

我正在尋找改進的方法，我試圖保持這種最小化和自給自足，但如果我不清楚，請告訴我，我會詳細說明。

謝謝你。

Answer 1

通過在執行 OCR 之前嘗試預處理圖像但使用了不正確的方法，您走在正確的軌道上。 沒有理由擴張或侵蝕圖像，因為這些操作主要用於去除小的噪聲粒子。 此外，您當前的輸出不是二進制圖像。 它可能看起來只包含黑白像素，但它實際上是一個 3 通道 BGR 圖像，這可能是您得到不正確 OCR 結果的原因。 如果您查看Tesseract 提高質量，您會注意到 Pytesseract 要執行最佳 OCR，需要對圖像進行預處理，以便要檢測的所需文本為黑色，背景為白色。 為此，我們可以執行Otsu 閾值以獲得二值圖像，然后將其反轉，使文本位於前景中。 這將產生我們預處理的圖像，我們可以將其放入image_to_string 。 我們使用--psm 6配置選項來假設一個統一的文本塊。 查看更多設置的配置選項。 結果如下：

輸入圖像->二進制->反轉

Pytesseract OCR 的結果

8

代碼

import cv2
import pytesseract

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

# Load image, grayscale, Otsu's threshold, invert
image = cv2.imread('1.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]
invert = 255 - thresh

# OCR
data = pytesseract.image_to_string(invert, lang='eng', config='--psm 6')
print(data)

cv2.imshow('thresh', thresh)
cv2.imshow('invert', invert)
cv2.waitKey()