如何从图像中提取虚线文本？

Question

我正在研究我的学士学位期末项目，我想使用 python 创建一个用于瓶子检查的 OCR。我需要一些帮助来识别图像中的文本。我需要以更好的方式应用 cv2 操作，训练 tesseract 还是应该尝试其他方法？

我尝试对图像进行图像处理操作，并使用 pytesseract 识别字符。

使用我从这张照片中得到的代码：

给这个：

然后是这个：

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

预期结果是：

22/03/20

02:53 A

Answer 1

从你得到的结果和预期的结果可以看出，部分字符被正确识别了。假设您使用的图像与教程中显示的图像不同，我建议您更改 threshold 和 getStructuringElement 的值。

根据图像颜色，这些值效果更好。教程作者必须针对 his/her 使用对其进行了优化（通过反复试验或其他方式）。

Here 是一个视频，如果你想在 opencv 中使用滑块来玩弄这些值。您还可以在同一个循环中打印您的结果，看看您是否得到了想要的结果。

Answer 2

"Do I need to apply the cv2 operations in a better way, train tesseract or should I try another method?"

首先，感谢您继续这个项目并取得如此进展。从 OpenCV/cv2 的角度来看，你所拥有的看起来不错。

现在，如果您正在考虑让 Tesseract 带着您走完剩下的路，至少您需要训练它。在这里，您有一个艰难的选择：投资训练 Tesseract，或者构建 CNN 来识别有限的字母表。如果你有办法分割图像，我很想用后者。

Answer 3

为了提高对字符的识别，您可以做的一件事是扩大字符，以便 pytesseract 提供更好的结果。膨胀字符会将各个斑点连接在一起，并可以修复 / 或 A 字符。所以从你最新的二进制图像开始：

原创

使用 3x3 内核和 iterations=1（左）或 iterations=2（右）进行扩展。您可以尝试其他值，但不要做太多，否则所有字符都会连接起来。也许这会为您提供更好的 OCR 结果。

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)

如何从图像中提取虚线文本？

How to extract dotted text from image?

python

opencv

image-processing

ocr

python-tesseract