3

我正在尝试对火车或卡车等车辆进行 OCR，以识别写在上面的数字和字符。（请注意这不是车牌识别 OCR）

我拍了这张照片。这个想法是能够提取文本 - BN SF 721 734 写在上面。

在此处输入图像描述

对于预处理，我首先将此图像转换为灰度，然后将其转换为看起来像这样的二值化图像

在此处输入图像描述

我在 tesseract 中写了一些代码。

myimg = "image.png"
image = Image.open(myimg)
with PyTessBaseAPI() as api:
    api.SetImage(image)
    api.Recognize()
    words = api.GetUTF8Text()
    print words
    print api.AllWordConfidences()

这段代码给了我一个置信度值为 95 的空白输出，这意味着 tesseract 有 95% 的信心认为该图像中不存在任何文本。

然后我在 Tesseract 中使用 setrectangle api 来限制图像中特定窗口的 OCR，而不是尝试对整个图像进行 OCR。

myimg = "image.png"
image = Image.open(myimg)
with PyTessBaseAPI() as api:
    api.SetImage(image)
    api.SetRectangle(665,445,75,40)
    api.Recognize()
    words = api.GetUTF8Text()
    print words
    print api.AllWordConfidences()
    print "----"

坐标 665、445、75 和 40 对应于图像中包含文本 BNSF 721 734 的矩形。665 - 顶部，445 - 左侧，75 - 宽度和 40 - 高度。

我得到的输出是这样的：

an s
m,m

我的问题是如何改进结果？我玩弄了 setrectangle 函数中的值，结果略有不同，但都同样糟糕。

有没有办法改善这一点？

如果您对我如何将图像转换为二值化图像感兴趣，我使用 OpenCV

img = cv2.imread(image)
grayscale_img = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
(thresh, im_bw) = cv2.threshold(grayscale_img, 128, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)
thresh = 127
binarized_img = cv2.threshold(grayscale_img, thresh, 255, cv2.THRESH_BINARY)[1]
4

1 回答 1

0

我建议在裁剪的矩形中找到轮廓并设置一些参数以匹配角色的轮廓。例如：面积大于或小于某些阈值的轮廓。然后在空位图上一一绘制轮廓并进行OCR。

我知道这似乎需要做很多工作，但它会给你带来更好、更强大的结果。祝你好运！

于 2017-02-14T15:00:17.710 回答