使用ImageMagick和'textcleaner'清理OCR图像

Question

我有以下图像，我想准备一个带有tesseract的OCR：

目标是清理图像并消除所有噪音。 我正在使用带有以下参数的 textcleaner 脚本使用ImageMagick：

./textcleaner -g -e normalize -f 30 -o 12 -s 2 original.jpg output.jpg

输出仍然不那么干净：

我尝试了参数的各种变化，但没有运气。 有没有人有想法？

Answer 1

如果转换为 JPEG ， 始终 会显示您所看到的工件类型。

这是JPEG压缩的典型“功能”。 JPEG对于显示清晰线条的图像永远不会有好处，与图像的不同区域之间的均匀颜色形成对比，仅使用非常少的颜色。黑白+文本也是如此。 JPEG仅对典型照片“好”，有很多不同的颜色和阴影......

如果您使用 PNG 作为输出格式，您的问题很可能会完全得到解决。下图说明了这一点。我使用与上一个使用的示例命令相同的参数生成它，但使用PNG作为输出格式：

textcleaner -g -e normalize -f 30 -o 12 -s 2 \
    http://i.stack.imgur.com/ficx7.jpg       \
    out.png

以下是对输出的类似缩放：

如果您使用textcleaner脚本的参数，则很可能会进一步提高输出。但那是你的工作......： - ）