如何在答题纸中提取书面号码（图片）

Question

我尝试过tesseract，但它仅适用于纯文本文档，有人可以建议我怎么做吗？

这是我的vb.net代码

Dim pic = New Bitmap(OpenFileDialog1.FileName)
 Dim ocr = New TesseractEngine("./dataset", "eng", EngineMode.TesseractAndCube)
 Dim page = ocr.Process(pic)
 TextBox1.Text = page.GetText

Answer 1

看来您的答题纸结构良好。我将专注于为每个答案提取一个子图像，然后在该图像上以单字符模式运行Tesseract。 我不确定在使用的任何Tesseract包装器中如何获得单字符模式，但是通过命令行，它是参数：--psm 10。

要提取每个图像，我将使用OpenCV（对于.NET，请尝试Emgu）。您可能需要先应用透视包，才能获得图像正方形。然后，您可以使用一个简单的滑动窗口来获取每个子图像。

我不确定在答案被删除的情况下如何执行。