Mat 和 Pix 的不同 Tesseract 结果

Question

目标

使用 OpenCV Mat 与使用 Leptonica Pix 使用 Tesseract 进行 OCR 时获得相同质量的结果。

环境

C++17、OpenCV 3.4.1、Tesseract 3.05.01、Leptonica 1.74.4、Visual Studio 社区 2017、Windows 10 Pro 64 位

描述

我正在使用 Tesseract 和 OCR，发现了我认为的一种特殊行为。

这是我的输入图像：

这是我的代码：

#include "stdafx.h"
#include <iostream>
#include <opencv2/opencv.hpp>
#include <tesseract/baseapi.h>
#include <leptonica/allheaders.h>

#pragma comment(lib, "ws2_32.lib")

using namespace std;
using namespace cv;
using namespace tesseract;

void opencvVariant(string titleFile);
void leptonicaVariant(const char* titleFile);

int main()
{
    cout << "Tesseract with OpenCV and Leptonica" << endl;

    const char* titleFile = "raptor-companion-2.jpg";
    opencvVariant(titleFile);
    leptonicaVariant(titleFile);

    cout << endl;
    system("pause");
    return 0;
}

void opencvVariant(string titleFile) {

    cout << endl << "OpenCV variant..." << endl;

    TessBaseAPI ocr;
    ocr.Init(NULL, "eng");
    Mat image = imread(titleFile);
    ocr.SetImage(image.data, image.cols, image.rows, 1, image.step);

    char* outText = ocr.GetUTF8Text();
    int confidence = ocr.MeanTextConf();

    cout << "Text: " << outText << endl;
    cout << "Confidence: " << confidence << endl;
}

void leptonicaVariant(const char* titleFile) {

    cout << endl << "Leptonica variant..." << endl;

    TessBaseAPI ocr;
    ocr.Init(NULL, "eng");
    Pix *image = pixRead(titleFile);
    ocr.SetImage(image);

    char* outText = ocr.GetUTF8Text();
    int confidence = ocr.MeanTextConf();

    cout << "Text: " << outText << endl;
    cout << "Confidence: " << confidence << endl;
}

方法opencvVariant和leptonicaVariant基本相同，只是一个使用OpenCV的class Mat，另一个使用Leptonica的Pix .然而，结果却截然不同。

OpenCV variant...
Text: Rapton


Confidence: 68

Leptonica variant...
Text: Raptor Companion


Confidence: 83

正如在上面的输出中看到的，Pix 变体比 Mat 变体给出了更好的结果。由于我的代码在 OCR 之前严重依赖 OpenCV 来实现计算机视觉，因此 OCR 与 OpenCV 及其 classes.

配合良好对我来说至关重要

问题

为什么 Pix 的结果比 Mat 好，反之亦然？
如何更改算法才能使 Mat 变体与 Pix 变体一样高效？

Answer 1

OpenCV imread 函数默认读取彩色图像，这意味着您获得的像素为 BGRBGRBGR...。
在您的示例中，您假设 opencv 图像是灰度图像，因此有两种修复方法：

根据 opencv 图像中的通道数更改 SetImage 行

ocr.SetImage((uchar*)image.data, image.size().width, simageb.size().height, image.channels(), image.step1());
使用 1 个通道将您的 opencv 图像转换为灰度图像

cv::cvtColor(image, image, CV_BGR2GRAY);

Mat 和 Pix 的不同 Tesseract 结果

Different Tesseract result for Mat and Pix

c++

ocr

opencv

tesseract

leptonica

目标

环境

描述

问题