使用 tesseract 检测明亮背景上的白色文本

Detecting white text on a bright background with tesseract

我在明亮背景上阅读白色文本时遇到问题,它可以找到文本本身,但无法正确翻译它。

图片:

老实说,我一直得到的结果是 LanEerus,相距不远。

我想知道什么图像预处理可以解决这个问题?我正在使用 photoshop 对其进行手动预处理,然后再尝试使用代码进行处理,以找到最先起作用的方法。

我试过将其设为位图,但这会使文本的 边框 非常糟糕,导致 tesseract 只是将其转换为随机字符。

反转颜色 and/or 灰度似乎也无济于事。

有人有什么想法吗?我知道对于这个案例的文本来说,这是一个非常糟糕的背景。相信我,我希望背景不一样!

我的测试代码:

File file = new File("C:\tess\lando.png");
ITesseract tess = new Tesseract();
tess.setDatapath("tessdata");

System.out.println(tess.doOCR(file));

编辑
我已通读 Improving the quality 但无法使这些提示起作用。

编辑 2
使用 OpenCV 对图像进行灰度、反色、高斯模糊和自适应阈值预处理后。我得到了图像的结果,但没有更好的阅读。如果有的话,更糟..

这是一种可能的解决方案。这是在 Python 中,但对于 Java 端口来说应该足够清楚了。我们将应用一种名为 获得除法 的方法。这个想法是您尝试构建背景模型,然后通过该模型对每个输入像素进行加权。在大部分图像期间,输出增益应该相对恒定。这将消除大部分背景颜色变化。我们可以使用 morphological 链来稍微清理一下结果,让我们看一下代码:

# imports:
import cv2
import numpy as np
# OCR imports:
from PIL import Image
import pyocr
import pyocr.builders

# image path
path = "D://opencvImages//"
fileName = "c552h.png"

# Reading an image in default mode:
inputImage = cv2.imread(path + fileName)

# Get local maximum:
kernelSize = 5
maxKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (kernelSize, kernelSize))
localMax = cv2.morphologyEx(inputImage, cv2.MORPH_CLOSE, maxKernel, None, None, 1, cv2.BORDER_REFLECT101)

# Perform gain division
gainDivision = np.where(localMax == 0, 0, (inputImage/localMax))

# Clip the values to [0,255]
gainDivision = np.clip((255 * gainDivision), 0, 255)

# Convert the mat type from float to uint8:
gainDivision = gainDivision.astype("uint8")

第一步是应用增益除法,你需要的操作很简单:一个带有大矩形structuring element的形态学closing和一些数据类型转换,后面的要小心。这是应用该方法后您应该看到的图像:

太棒了,背景都快没了。让我们使用 Otsu 的阈值处理得到一个二值图像:

# Convert RGB to grayscale:
grayscaleImage = cv2.cvtColor(gainDivision, cv2.COLOR_BGR2GRAY)

# Get binary image via Otsu:
_, binaryImage = cv2.threshold(grayscaleImage, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

这是二进制图像:

我们有一个很好的文本边缘图像。如果我们 Flood-Fill 背景为白色,我们可以获得黑色背景和白色文本。但是,我们应该注意字符,因为如果一个字符坏了,Flood-Fill 操作会把它擦掉。让我们首先通过应用形态 closing:

来确保我们的字符是封闭的
# Set kernel (structuring element) size:
kernelSize = 3
# Set morph operation iterations:
opIterations = 1

# Get the structuring element:
morphKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (kernelSize, kernelSize))

# Perform closing:
binaryImage = cv2.morphologyEx( binaryImage, cv2.MORPH_CLOSE, morphKernel, None, None, opIterations, cv2.BORDER_REFLECT101 )

这是生成的图像:

如您所见,边缘更加坚固,最重要的是,边缘是闭合的。现在,我们可以 Flood-Fill 将背景设为白色。这里,Flood-Fill种子点位于图像原点(x = 0y = 0):

# Flood fill (white + black):
cv2.floodFill(binaryImage, mask=None, seedPoint=(int(0), int(0)), newVal=(255))

我们得到这张图片:

我们快到了。如您所见,某些字符(例如“a”、“d”和“o”)内部的空洞未被填充 - 这会对 OCR 产生噪音。让我们尝试填充它们。我们可以利用这些孔都是父轮廓的 children 这一事实。我们可以隔离子轮廓,然后再次应用 Flood-Fill 来填充它们。但首先,不要忘记反转图像:

# Invert image so target blobs are colored in white:
binaryImage = 255 - binaryImage

# Find the blobs on the binary image:
contours, hierarchy = cv2.findContours(binaryImage, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# Process the contours:
for i, c in enumerate(contours):

    # Get contour hierarchy:
    currentHierarchy = hierarchy[0][i][3]

    # Look only for children contours (the holes):
    if currentHierarchy != -1:

        # Get the contour bounding rectangle:
        boundRect = cv2.boundingRect(c)

        # Get the dimensions of the bounding rect:
        rectX = boundRect[0]
        rectY = boundRect[1]
        rectWidth = boundRect[2]
        rectHeight = boundRect[3]

        # Get the center of the contour the will act as
        # seed point to the Flood-Filling:
        fx = rectX + 0.5 * rectWidth
        fy = rectY + 0.5 * rectHeight

        # Fill the hole:
        cv2.floodFill(binaryImage, mask=None, seedPoint=(int(fx), int(fy)), newVal=(0))

# Write result to disk:
cv2.imwrite("text.png", binaryImage, [cv2.IMWRITE_PNG_COMPRESSION, 0])

这是生成的掩码:

酷,让我们应用 OCR。我正在使用 pyocr:

txt = tool.image_to_string(
    Image.open("text.png"),
    lang=lang,
    builder=pyocr.builders.TextBuilder()
)

print(txt)

输出:

Landorus