php - Tesseract - 检测图像的小字体并转换为文本

Question

我有一张银行支票的截图，我需要这张截图中的所有文字，但 tesseract 无法正确读取。我还尝试对图像进行预处理，但输出失败得很惨。

我使用 ImageMagick 进行预处理，使用 Tesseract 识别文本。图片链接：https ://imgur.com/a/pcgizic

我可以检索帐号，但不能检索 IFSC 代码和人名“SRINIVAS”

我遵循的步骤如下：

magick -density 300 check1.jpg -depth 8 -strip -background white -alpha off check1.png

magick convert check1.png -resize 250% res_check1.png

convert -brightness-contrast 10x30 res_check1.png b_res_check1.png

convert b_res_check1.png -threshold 45% bin_res_check1.png

tesseract bin_res_check1.png o_res_check1

注意：我尝试将图像大小调整到 400%，但它不起作用。Google Vision API 能够正确读取和转换每一个文本。

标签： phpimage-processingimagemagickocrtesseract

Answer 1

在 ImageMagick 中，您可以使用 -lat（局部区域阈值）来处理图像以清理背景。我还有一个 bash shell 脚本，文本清理器，位于http://www.fmwconcepts.com/imagemagick/index.php。

输入：

对于 ImageMagick 6，请尝试

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

改变 -lat 参数以查看是否可以改进结果。

对于 ImageMagick 7，将 convert 替换为 magick。

这有帮助吗？小字体将难以处理。放大光栅图像通常没有多大帮助。但是您可以尝试使用锐化过滤器或更清晰的调整大小过滤器，例如 -filter catrom。见http://www.imagemagick.org/Usage/filter/

您还可以尝试在进一步处理之前进行透视变换以纠正原始图像。这也可能有帮助。见http://www.imagemagick.org/Usage/distorts/#perspective