提高Tesseract OCR质量失败

Question

我目前正在使用tesseract扫描收据。质量不是很好所以我读了这篇关于如何改进它的文章：https://github.com/tesseract-ocr/tesseract/wiki/ImproveQuality#noise-removal。我实现了调整大小，纠偏（对齐）和高斯模糊。但是除了偏斜校正之外，它们似乎都没有对OCR的准确性产生积极影响。这是我调整大小和高斯模糊的代码。我做错了吗？如果没有，我还能做些什么来帮助？

代码：

+(UIImage *) prepareImage: (UIImage *)image{

    //converts UIImage to Mat format
    Mat im = cvMatWithImage(image);

    //grayscale image
    Mat gray;
    cvtColor(im, gray, CV_BGR2GRAY);

    //deskews text
    //did not provide code because I know it works
    Mat preprocessed = preprocess2(gray);
    double skew = hough_transform(preprocessed, im);
    Mat rotated = rot(im,skew* CV_PI/180);

    //resize image
    Mat scaledImage = scaleImage(rotated, 2);

    //Guassian Blur
    GaussianBlur(scaledImage, scaledImage, cv::Size(1, 1), 0, 0);

    return UIImageFromCVMat(scaledImage);
}

// Organization -> Resizing

Mat scaleImage(Mat mat, double factor){
    Mat resizedMat;
    double width = mat.cols;
    double height = mat.rows;
    double aspectRatio = width/height;
    resize(mat, resizedMat, cv::Size(width*factor*aspectRatio, height*factor*aspectRatio));
    return resizedMat;
}

收据：

Answer 1

如果您阅读Tesseract文档，您将看到tesseract引擎最适用于正方形中单行的文本。通过它，整个收据图像降低了引擎的准确性。您需要做的是使用新的iOS框架CITextFeature将收据中的文本检测到多个图像块。然后，只有您可以将这些图像传递给tesseract进行处理。