从扫描的文档提高OCR准确性

Question

我正在使用标准的Brother A3多功能扫描大量A3文档，然后使用FineReader Pro对图像进行OCR扫描。

但是，我在识别的字符中出现了很多错误，还有很多非字母数字的奇怪字符。

有人可以给我任何提示，以编程方式提高OCR准确度，对扫描图像进行预处理，或对已识别文本进行后处理吗？

---

修改：Find a sample pdf。它包括一些样本图像，我从中得到最差的结果。

Answer 1

您是否有可以在某处发布的样本图像，然后我们可以快速告诉您导致大多数问题的原因。 FineReader是最好的OCR引擎之一，所以肯定有理由说明你的效果不佳。

这可能与较差的对比度和阈值设置，图像歪斜，扫描仪中的脏辊，复杂和彩色背景，抖动背景，字体太小，扫描dpi太低等等有关...

看到附图后，有一些小问题。

1. 背景页面上有很多脏斑点。 FineReader似乎在你的图像上做了一个合理的工作。
2. 有一些轻微的歪斜，但这不会造成问题。
3. FineReader与用于列标题的BOLD高Arial字体混淆 4一个大问题似乎是页面的底部区域，对比度差，图像模糊。这似乎是扫描仪的一个问题，但可能是由于打印问题。

印刷很差，我猜它是来自报纸的扫描。您的大多数错误都是由扫描问题引起的，因此很难以编程方式改进结果。

首先，我会尝试使用稍高的分辨率扫描灰度图像，看看是否有帮助。 FineReader适用于灰度图像。如果您必须有黑白图像，请查看扫描仪驱动程序是否包含动态阈值设置并将其打开。

对于任何OCR引擎，您的图像都不是一件容易的事。如果您可以改进扫描，您将获得更好的结果。第3页右下角有很多噪音。

您使用的是什么版本的FineReasder？ FR10可能会比以前的版本提供更好的结果。