我想从图像中检测文本区域作为 tesseract OCR 引擎的预处理步骤，当输入仅为文本但当输入图像包含非文本内容时，引擎运行良好，所以我只想检测图像中的文本内容，任何如何做到这一点的想法会有所帮助，谢谢。
问问题
18241 次
4 回答
7
于 2012-04-19T16:41:50.000 回答
3
好吧，我在图像处理方面的经验并不丰富，但我希望我的理论方法可以帮助你。
在大多数情况下，文本形成平行的水平行，其中行之间的空间将包含大量背景像素。这可以用来解决这个问题。所以......如果你组合图像中的每个像素列，你会得到一个 1 像素宽的图像作为输出。当输入图像包含文本时，输出很可能是一个周期性的模式，其中黑暗区域之后是明亮区域反复出现。这些较暗像素的“组”将指示文本内容的位置，而较亮的“组”" 将指示各行之间的间隙。您可能会发现较亮的区域会比其他区域小得多。文本比任何其他图片元素都更通用，因此应该很容易分开。
您必须实施一个程序来检测这些周期性重复。一旦脚本可以确定输入图片具有这些特征，它就很有可能包含文本。（但是，这种方法无法区分实际文本和简单的水平条纹......）
对于下一步，您必须找到一种方法来确定段落的边界，使用上述方法。我正在考虑一个非常虚拟的算法，女巫会将输入图像分成更小、更窄的条纹（50-100 像素），然后分别检查这些区域。然后，它会比较这些结果以构建可能填充文本的区域的地图。这种方法不会那么准确，但它可能不会打扰 OCR 系统。
最后，您需要使用文本映射仅在所需位置运行 OCR。
另一方面，如果输入文本旋转超过 ~3-5 度，此方法将失败。还有另一个倒退，因为如果您只有几行，那么您的模式搜索将非常不可靠。更多行，更准确...
问候，G。
于 2013-01-28T13:21:05.173 回答
2
我是 stackoverflow.com 的新手，但我写了一个与此类似的问题的答案，这可能对任何分享此问题的读者有用。这个问题是否实际上是重复的，因为这是第一个，我将留给其他人。如果我应该在此处复制并粘贴该答案，请告诉我。我也首先在谷歌上发现了这个问题，而不是我回答的问题，所以这可能会使更多的人受益。特别是因为它提供了获取文本区域的不同方法。对我来说，当我查找这个问题时，它不适合我的问题案例。
于 2016-07-25T15:58:50.580 回答