在进行OCR之前进行预处理（tesseract，OpenCV）

Question

为了使用OCR库tesseract获得更好的结果，我会做一些预处理，但是没有正确的想法，哪些步骤可以帮助我。

我尝试使用因子15调整图像大小并应用适应的阈值（请参见图像），但这会产生“波浪”字符，使用tesseract OCR库无法检测到这些字符。在底部，您可以通过Dropbox找到我的图像链接。原始图像尺寸为115x18像素，字符高度为10像素。

我想从后台提取字符。哪些步骤可以带来更好的结果？我应该使用另一个OCR库而不是tesseract用于OCR部分吗？使用tesseract进行文本检测时，您一般会有哪些经验？或者您可以选择其他图书馆或商业图书馆吗？

Dropbox Link to example image

更新19.6.15：

OTSU阈值可提供更好的结果作为自适应阈值。将在接下来的几天内提供有关其他答案的最新消息！

2015年7月1日更新 有另一个示例图像，其中应使用tesseract识别序列号。由于字体很小，识别结果不是很好。有什么想法可以提供帮助吗？

Answer 1

Otsu阈值在这里给我更好的结果。结合距离变换和另一个阈值，我甚至可以通过tesseract获得几乎可识别的东西。

这是我得到的结果：

  

6ANFK9PC）100'0-GT

Answer 2

您可以尝试查找所有轮廓并删除小面积的轮廓 处理＆＃34; wevy＆＃34;字符可能更复杂。我现在唯一的想法是使用距离变换和阈值处理（使用二进制阈值）结果（找到好的阈值可能不简单 - 我会尝试使用maxValue * 0.25的归一化距离变换）。

Answer 3

你可能想尝试在第二张图像上进行少量的侵蚀和扩张，这可能会使角色中的某些波浪均匀，这两种侵蚀/膨胀的混合物也会消除周围的小白点噪声，这总是有助于OCR。

查看this OpenCV文档，它将为您提供一些示例代码以帮助您入门并解释它是如何工作的。

希望这有帮助。

Answer 4

为什么不只是“锐化”（这将删除白色边框并使白线变薄）然后简单地反转黑白？