当白色文字写在黑色矩形上并且黑色矩形的边框是白色时，Tesseract OCR for .net不检测文本？

Question

我正在尝试使用tesseract从png中提取文本。如果跟随png，Tesseract不会提取文本。

图像中的黑色矩形有白色边框（由于网站背景而不可见）。但是，如果我从矩形中删除白色边框，那么Tesseract就能够检测到文本。是否有任何解决方法这个问题？

此外，如果减小边框大小，则确实会将一些文本提取为：

  

我（31.04我

以下是我正在使用的代码：

 using (TesseractEngine ocr = new TesseractEngine(dataPath, "eng", EngineMode.TesseractOnly))
            {
                using (Pix p = Pix.LoadFromFile(filePath))
                {
                    using (Pix img = p.Scale(2,3))
                    {

                        using (var page = ocr.Process(img))
                        {

                            string text = page.GetText();
                            Console.WriteLine(text);
                        } 
                    }
                }

            }

通过缩放，我可以提取以下文字：

  

我G1.04我

但是，如果我增加边框大小，那么即使缩放图像也没有效果。

Answer 1

using AForge.Imaging;
Grayscale grayFilter = new Grayscale(0.2125, 0.7154, 0.0721);
Bitmap grImage = grayFilter.Apply(image);
grImage.Save("./grey_image.png");

Pass this image path to your TesseractEngine.

Answer 2

Google Cloud vision OCR或ocr.space OCR可以在黑色背景图片上处理此类白色文字。

一般来说，即使在像电影字幕这样的“令人困惑”的背景下，它们也可以与文本一起开箱即用。请注意，在您的示例中请注意“。”仍然缺少免费的ocr.space API，谷歌OCR完全正确。