如何检测照片中的文字

Question

我正在研究使用开源库检测照片中测试的最佳方法。

我认为标准方法如下（注意：步骤1 - 4都使用OpenCV）：

1）检测文件大纲

2）使用所述轮廓

转换文档，使其平整并裁剪

3）使用过滤器将文档背景设为白色

4）将得到的图像输入Tesseract

这是最佳流程，还是有更好的方法，还是更好的工具？ 此外，如果照片没有文档大纲（步骤1和2可能是多余的），会发生什么情况？

是否有自动检测文档方向（即纵向/横向）？

Answer 1

我认为你的过程很好。我已经为Android项目使用了类似的过程 我认为，如果文档是纵向/横向的，唯一可以发现的方法是推断轮廓边界框边长。
我不认为有自动的方法可以做到这一点，也许你可以找到最接近4段折线的外部轮廓（所有这些都可以在opencv中完成）。
为了实现这一目标，您必须使用contour hierarchy和contous approximation（请参阅cv2.approxPolyDP）。
这就是我如何进行自动轮廓检测。
正如我所说，你的算法的其余部分对我来说似乎没问题。

PS。我将离开Android project GitHub link。我不知道它是否对你有用，但在这里我通过拖动一些手柄来指定轮廓，然后使用Java和OpenCV转换图像并将其提供给Tesseract。是的，在Android应用程序的主线程中这样做是一个非常糟糕的主意，是的，该应用程序尚未完成。我只想尝试使用OCR，因此我并不关心性能和可用性，因为这不是为了使用，而是为了学习。

Answer 2

查找均匀宽度变换。

这样做是检测相对于其相对边缘具有或多或少相同宽度的边缘。所以像排水管（可以在以后通过时消除）以及大多数文本。虽然从概念上讲它类似于距离变换，但已发布的方法使用了相当临时的普通投影方法和Canny边缘检测。