基于OpenCV的Tesseract OCR图像预处理
我试图开发一个应用程序，使用Tesseract从手机摄像头拍摄的文件中识别文本。为了更好的识别，我使用OpenCV对图像进行预处理，使用高斯模糊和阈值方法进行二值化，但结果很糟糕。
我可以使用哪些其他过滤器来使图像对Tesseract更具可读性？
共有1个答案
我在这里描述了为Tesseract准备图像的一些技巧：使用Tesseract识别车牌
在你的例子中，有几件事正在发生...
您需要将文本设置为黑色，而图像的其余部分为白色（而不是相反）。这就是字符识别的调谐。灰度可以，只要背景多为全白，文字多为全黑即可；文本的边缘可能是灰色的（抗锯齿），这可能有助于识别（但不一定--你必须试验）
-
null
- 曲面文档图像的文本行分割
最后：我认为与C++中的OpenCV相比，使用python生态系统(ndimage，skimage)会做得更好。OpenCV python包装器对于简单的东西是可以的，但是对于您想要做的事情，它们并不能完成这项工作，您将需要获取OpenCV中没有的许多部分（当然您可以混合和匹配）。在C++中实现像曲线线检测这样的东西所需的时间比在python中要长一个数量级(*即使您不了解python也是如此）。
祝你好运！
-
null 有些数字比其他数字更好用--例如，'1'似乎有很多麻烦。出现在“+”或“-”后面的数字通常不显示出来，“+”通常显示为“-”。我也玩了一下阈值。 最后三个部分是因为我的视频样本，我一直在画有点歪斜。我可以尝试使用一些更好的数据，我也可以尝试在标准的“letsgoDigital”朗上制作自己的训练数据。虽然我觉得我没有以最好的方式进行图像处理，但我希望得到一些指导。 我计划使用某种程度的边
-
我正在尝试重新创建在原始出版物“用于图像识别的深度残差学习”中所做的对ImageNet数据集的数据预处理。正如他们的论文第3.4节所说：“我们对ImageNet的实现遵循了[21,41]中的实践。图像的大小被调整，其短边在[256,480]中随机采样以进行缩放[41]。从图像或其水平翻转中随机采样224×224裁剪，减去每个像素的平均值[21]。使用了[21]中的标准颜色增强。” 我已经弄清楚了随
-
我试图开发一个简单的车牌识别PC应用程序(Java+OpenCV+Tess4j)。图像不是真的好（在进一步，他们将是好的）。我想为tesseract预处理图像，我被困在车牌检测（矩形检测）上。 我的脚步： 1）源图像 我用油漆从图像（第四步后）中裁剪出所需的区域，并得到： 然后我做了OCR（通过tesseract，tess4j): 而且得到了（足够好？）结果-“Y841OX EH”（几乎正确）
-
@subpage tutorial_py_colorspaces_cn 学习如何将图像从一个颜色空间变换到另外一个。 另外，我们还将学习在一段视频中追踪一个有颜色的物体。 @subpage tutorial_py_geometric_transformations_cn 学习对图像进行不同的几何变换，像旋转、平移等等。 @subpage tutorial_py_thresholding_cn 学习
-
[source] ImageDataGenerator 类 keras.preprocessing.image.ImageDataGenerator(featurewise_center=False, samplewise_center=False,
-
目标 访问像素值并修改它们 访问图像属性 设置图像区域（ROI） 分割和合并图像 本节中几乎所有的操作主要涉及到Numpy而不是OpenCV。需要熟悉Numpy才能用OpenCV编写更好的代码。 1、获取并修改像素值 读取一副图像，根据像素的行和列的坐标获取它的像素值，对于RGB图像而言，返回RGB的值，对于灰度图则返回灰度值 import cv2 import numpy img = cv2.i