如何提高Tesseract的准确性

问题描述

我正在尝试在一组相似但大小可能不同的图像上运行OCR。由于某种原因，我无法获得可预测的结果。我能做些什么以获得更好的结果。

带有或不带有cv2预处理的Tesseract在某些图像上可以很好地工作，而在某些图像上则可以失败，并且没有图案。图像或多或少相似。 Upper image represents processed image

def filter_img(img):
  # Read pil image as cv2
  img = np.array(img)
  img = cv2.resize(img,None,fx=2,fy=2,interpolation=cv2.INTER_CUBIC)

  # Converting image to grayscale (important for applying threshold)
  img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

  #Apply dilation and erosion to remove some noise
  kernel = np.ones((1,1),np.uint8)
  # img = cv2.dilate(img,kernel,iterations=1)
  img = cv2.erode(img,iterations=1)
  # Apply blur to smooth out the edges
  img = cv2.GaussianBlur(img,(5,5),0)
  # img = cv.medianBlur(img,5)
  # Apply threshold to get image with only b&w (binarization)
  img = cv2.threshold(img,255,cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]
  img = Image.fromarray(img)
  img = ImageOps.expand(img,border=2,fill='black')
  visualize.show_labeled_image(img,boxes)
  return img

# Applying Tesseract OCR
def run_tesseract(img):    
    # Tesseract cmd setup
    # pytesseract.pytesseract.tesseract_cmd = "tesseract"
    whitelist = string.ascii_uppercase + string.digits + ".-"
    parameters = '-c load_freq_dawg=0 -c tessedit_char_whitelist="{}"'.format(whitelist)
    psm = 8
    custom_oem_psm_config = "--dpi 300 --oem 3 --psm {psm} {parameters}".format(parameters=parameters,psm=psm)
    try:
      text = pytesseract.image_to_string(img,config=custom_oem_psm_config,timeout=2)
      return text.strip()
    except RuntimeError:
        print ("TIMEOUT")
    return ""

解决方法

如果图像格式高度一致，则可以考虑使用分割图像。并且在对图像进行ocr处理后，对容易出错的区域（例如0和O）造成混淆的情况下，请对第一个字母或数字使用条件判断。当然，以上所有条件只有在图像高度一致的情况下才有效。

enter code here
    import cv2
    import numpy as np
    import pytesseract
    import matplotlib.pyplot as plt
    pytesseract.pytesseract.tesseract_cmd = 'D://Program Files/Tesseract- 
    OCR/tesseract.exe'

    img = cv2.imread('vATKQ.png')

    img2 = img[100:250,180:650]  #split to region you want
    plt.imshow(img2)
    text=pytesseract.image_to_string(img2)
    print(text)