Question

我正在尝试从屏幕截图中读取相对清晰的数字，但是我遇到了使pytesseract正确读取文本的问题。我有以下屏幕截图：

我知道比分（2-0）和时钟（1:42）将在完全相同的位置。

这是我目前用于读取时钟时间和橙色分数的代码：

// main should be
int main()
{
    int x = 1, y = 1;
    track_machine(x, y);
}

// function decoration should be
void track_machine(int x, int y) {...}

// and your recursive call line should read as
if (op == 'R')
    track_machine(x, y);

这是输出：

lower_orange = np.array([0, 90, 200], dtype = "uint8")
upper_orange = np.array([70, 160, 255], dtype = "uint8")

    #Isolate scoreboard location on a 1080p pic
    clock = input[70:120, 920:1000]
    scoreboard = input[70:150, 800:1120]

    #greyscale
    roi_gray = cv2.cvtColor(clock, cv2.COLOR_BGR2GRAY)

    config = ("-l eng -c tessedit_char_whitelist=0123456789: --oem 1 --psm 8")
    time = pytesseract.image_to_string(roi_gray, config=config)
    print("time is " + time)

    # find the colors within the specified boundaries and apply
    # the mask
    mask_orange = cv2.inRange(scoreboard, lower_orange, upper_orange)

    # find contours in the thresholded image, then initialize the
    # list of digit locations
    cnts = cv2.findContours(mask_orange.copy(), cv2.RETR_EXTERNAL,
                            cv2.CHAIN_APPROX_SIMPLE)
    cnts = imutils.grab_contours(cnts)
    locs = []

    for (i, c) in enumerate(cnts):
        # compute the bounding box of the contour, then use the
        # bounding box coordinates to derive the aspect ratio
        (x, y, w, h) = cv2.boundingRect(c)
        ar = w / float(h)

        # since score will be a fixed size of about 25 x 35, we'll set the area at about 300 to be safe
        if w*h > 300:
            orange_score_img = mask_orange[y-5:y+h+5, x-5:x+w+5]
            orange_score_img = cv2.GaussianBlur(orange_score_img, (5, 5), 0)

            config = ("-l eng -c tessedit_char_whitelist=012345 --oem 1 --psm 10")
            orange_score = pytesseract.image_to_string(orange_score_img, config=config)
            print("orange_score is " + orange_score)

这是orange_score_img，在我屏蔽了上下橙色边界内的所有内容并应用了高斯模糊之后。

到目前为止，即使我将pytesseract配置为搜索1个字符并限制了白名单，我仍然无法正确读取它。我是否缺少其他一些后处理方法来帮助pytesseract将此数字读取为2？

Answer 1

根据@ fmw42的建议，我尝试进行一些形态更改。增加数字似乎可以解决问题！

kernel = np.ones((5,5),np.uint8) orange_score_img = cv2.dilate(orange_score_img,kernel,iterations=1)

编辑：我意识到，真正的答案是pytesseract在白色背景上的黑色文本比在黑色背景上的白色文本要好得多！当我反转颜色时，它的读起来很完美：

orange_score_img = cv2.bitwise_not(orange_score_img)

我希望这对初次使用pytesseract的人们有所帮助！尝试调整图像以适合我的所有情况非常令人沮丧，并且知道白色的黑色文本效果更好会节省我几个小时...

提高Pytesseract阅读文本的可靠性

1 个答案: