使用python和opencv对图像进行OCR

Question

我是计算机视觉，图像处理和OCR的新手。作为任务的一部分，我需要对附加的电子邮件执行OCR。然而，问题是ROI在所有图像中都不是恒定的。例如，在所有图像中，我们需要提取与患者Yadav相关的信息。

这需要在Python和OpenCV中实现。请帮忙。我已经尝试过以下方法：

1. 更改DPI
2. 灰度
3. 二值化
4. 但是，面临布局或区域分析的问题。

感谢您的帮助。

Answer 1

欢迎来到计算机视觉世界。

我认为你不能很好地理解你的问题。只是尝试一下并检查它是否有效将无法工作。

首先阅读tesseract（OCR引擎）如何提高https://github.com/tesseract-ocr/tesseract/wiki/ImproveQuality

的准确度

好的，那么是什么让OCR无法处理您的数据。正如您所看到的，您的数据很干净，并且几乎没有噪音。因此，打印电子邮件的边框（在您的问题中为“ROI”）没有正确排列。

我们可以正确地使ROI排队。我们可以使用一些透视变换。我从https://www.pyimagesearch.com/2014/08/25/4-point-opencv-getperspective-transform-example/

中抽取了一个例子

那么我们如何进行透视转换呢？我们必须找到ROI的4个角并将其移回图像的角落。要查找ROI的4个角，您可以找到一些轮廓。

所以这里是摘要，这是步骤。

1. Find the ROI (white color) using color segmentation
2. Find the contour which cover the ROI
3. Find 4 corners of the ROI's contour
4. Apply perspective transform
5. Run tesseract on transformed image

希望有帮助