代码之家 › 专栏 › 技术社区 › Virat Mishra

如何在使用tesseract阅读之前清理图像文本?

tesseract ocr imagemagick java

Virat Mishra · 技术社区 · 8 年前

我正在使用tesseract从图像中读取文本。由于我的BinaryImage输入不会是纯白色背景上的简单文本,因此我得到的正确输出只有50%。

Otsu's method ,但没有改善。

我没有得到适当的ImageMagick文档来在我的Java代码中使用它。在此方面的任何帮助都将不胜感激。

sample image ( any wireless bill of AT & T)

2 回复 | 直到 8 年前

fmw42 8 年前

我认为你扫描账单的分辨率可能太小了。我相信如果你有一个更高分辨率的图像(更大的尺寸),你会得到更好的结果。此外,您可以尝试将扫描保存为无损耗压缩格式。您可以尝试局部阈值。但我认为这对这么小的文本没有帮助。然而,在ImageMagick中,您可以使用-lat命令来实现这一点。

convert image.jpg -negate -lat 25x25+10% -negate result.png

根据需要调整值。我还有一个bash unix shell脚本textcleaner,在其他图像上可能更好。您可以在中看到示例 http://www.fmwconcepts.com/imagemagick/textcleaner/index.php

Virat Mishra 8 年前

boofcv

在锐化图像之前,如果分辨率不够大,我们可以使用以下代码重新缩放图像:

public static BufferedImage scale(BufferedImage img, int imageType, int dWidth, int dHeight, double fWidth, double fHeight) {
BufferedImage img = null;
if(img != null) {
    img = new BufferedImage(dWidth, dHeight, imageType);
    Graphics2D g = img.createGraphics();
    AffineTransform at = AffineTransform.getScaleInstance(fWidth, fHeight);
    g.drawRenderedImage(img, at);
}
return img;

}