使用 Tesseract 进行数字识别 python
Digit Recognition with Tesseract python
对于我正在进行的项目之一，我正在尝试使用 OCR 检测食物托盘图像上的数字。为此，我在 python 中使用了 Tesseract 4。但它无法正确检测我拥有的大多数图像的数字。我尝试了各种图像预处理，例如使用 OpenCV 进行模糊、阈值、锐化、腐蚀和膨胀以提高准确性。但似乎没有任何效果。我是计算机视觉的新手，所以对此的任何建议或替代解决方案都会有很大帮助。我已将图片附在下面的 link 中。提前致谢。
您需要更强的文本检测，它会为您裁剪文本候选区域。
处理起来会稍微复杂一点：
- 运行文本检测，得到文本候选区域
- 提取该区域
- 使用tesseract阅读文字
在 OpenCV 的 DNN 模块中有一个很棒的文本检测脚本，名为：text_detection.py，它用于 EAST 文本检测。使用您的示例图像，我可以在绿色矩形中提取以下文本候选区域。所以接下来就是上面的第2步和第3步了
当然，EAST 没有针对您的场景进行训练，因此 100% 的准确度是不可能的。您可以尝试收集数据并为您的场景训练 EAST。但我认为，默认的会给你超过 90% 的准确率。
希望对您有所帮助。
对于我正在进行的项目之一，我正在尝试使用 OCR 检测食物托盘图像上的数字。为此，我在 python 中使用了 Tesseract 4。但它无法正确检测我拥有的大多数图像的数字。我尝试了各种图像预处理，例如使用 OpenCV 进行模糊、阈值、锐化、腐蚀和膨胀以提高准确性。但似乎没有任何效果。我是计算机视觉的新手，所以对此的任何建议或替代解决方案都会有很大帮助。我已将图片附在下面的 link 中。提前致谢。
您需要更强的文本检测，它会为您裁剪文本候选区域。
处理起来会稍微复杂一点：
- 运行文本检测，得到文本候选区域
- 提取该区域
- 使用tesseract阅读文字
在 OpenCV 的 DNN 模块中有一个很棒的文本检测脚本，名为：text_detection.py，它用于 EAST 文本检测。使用您的示例图像，我可以在绿色矩形中提取以下文本候选区域。所以接下来就是上面的第2步和第3步了
当然，EAST 没有针对您的场景进行训练，因此 100% 的准确度是不可能的。您可以尝试收集数据并为您的场景训练 EAST。但我认为，默认的会给你超过 90% 的准确率。
希望对您有所帮助。