在嘈杂的图像中使用 Tesseract 读取文本

Question

我有这两张图片：

第一个的质量明显高于第二个（即使它的质量没有那么差）。我使用 OpenCV 处理这两个图像，以便使用 Tesseract 读取文本：

import tesseract
import cv2

img = cv2.cvtColor(scr_crop, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(img, 220, 255, cv2.THRESH_BINARY)[1]

# Create custom kernel
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
# Perform closing (dilation followed by erosion)
close = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)

# Invert image to use for Tesseract
result = 255 - close

# result = cv2.resize(result, (0, 0), fx=2, fy=2)

text = pytesseract.image_to_string(result, lang="ita")

因此，我首先对两个图像的灰度版本执行膨胀，然后进行腐蚀，以获得这两个结果

因此，正如您所看到的，对于第一张图像，我获得了很好的结果，并且超正方体能够读取文本，而对于第二张图像，我获得了糟糕的结果，并且超正方体无法读取文本。如何提高第二张图像的质量以获得更好的超立方体结果？

Answer 1

对于第二张图像，只需应用具有不同阈值类型的

only thresholding

。

代替

cv2.THRESH_BINARY

，使用

cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU

图像将变成：

如果您阅读：

txt = pytesseract.image_to_string(threshold)
print(txt)

结果将是：

Esiti Positivi: 57

Esiti Negativi: 1512
Numerosita: 1569

Tasso di Conversione: 3.63%

现在

cv2.THRESH_BINARY_INV

和

cv2.THRESH_OTSU

是什么意思？

如果当前像素值大于设置为 0 的阈值，则

cv2.THRESH_BINARY_INV

是

cv2.THRESH_BINARY

的相反操作。

maxval

（（在我们的例子中为 255），否则。

来源

cv2.THRESH_OTSU

使用 OTSU's 算法找到最佳阈值。 [第3页]

代码：

import cv2
import pytesseract

img = cv2.imread("c7xq9.png")
gry = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
thr = cv2.threshold(gry, 220, 255, cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)[1]
txt = pytesseract.image_to_string(thr)
print(txt)
cv2.imshow("thr", thr)
cv2.waitKey(0)