OCR匹配框架在信用卡中的字段位置

Question

我正在开发一种OCR来检测信用卡。

扫描图像后，我会得到一个带有位置的单词列表。 有关检测哪些字对应于信用卡各个字段（数字，日期，名称）的最佳方法的任何提示/建议？

例如：

    position = 96.00 491.00
    text = CARDHOLDER

提前致谢

Answer 1

您的第一个问题是大多数OCR都没有针对占据大部分＆＃34;页面的少量文本进行优化。 （或卡片图像，在您的情况下）在空间分离的块中。他们期望来自扫描书籍或报纸的文字或文字页面。所以，他们在分析图像时不太可能 。

由于字体相当统一，他们可能会很好地识别字符，但布局会混淆页面分割算法，因此您输出的文本可能不是正确的顺序。例如，＆＃34; 1234＆＃34;卡号和较小的＆＃34; 1234＆＃34;下面它构成一列文字，同样是第二组两个四个数字和有效期。

对于您事先了解布局的特殊情况，您确实需要开发自己的页面分割算法，将图像分解为区域，例如卡号，持卡人姓名，开始和到期日期。这不应该太强很难，因为我认为这些组件的位置是在信用卡上标准化的。假设良好的预处理和二值化，您基本上可以进行水平直方图并在低谷处分割图像。

然后将每个区域提取为一个单独的图像，其中只包含一行文本并将其提供给OCR。

或者（快速而肮脏的方法）

• 指示OCR您要识别的内容由单列组成（即防止它试图找出页面布局本身）。你可以使用Tesseract使用-psm（页面分割模式）参数设置，可能是6（但尝试看看能给你最好的结果）
• 制作Tesseract输出hOCR格式，您可以在配置文件中设置。 hOCR格式包括相对于整个图像输出的行的边界框。
• 编写一个算法，将hOCR中的边界框与比较，你知道每个卡片组件应该（寻找一定比例的重叠，由于显而易见的原因，它不会完全匹配。 ）

Answer 2

除了Mikesname提供的优秀提示之外，无论您使用哪种OCR引擎，如果使用图像处理将图像转换为双色（纯黑色和白色），例如附加的副本，您都可以大大提高识别结果你的形象。