0

我正在尝试阅读视频游戏中的价格文本，并且在预处理图像时遇到了困难。

我的其余代码是“完整的”，因为在提取文本后，我正在对其进行格式化并输出到 CSV 以供以后使用。

这是我迄今为止为以下图像提出的建议，并希望输入其他阈值或预处理工具，以使 OCR 更准确。

原始图像截图

伽玛之后，左边的去噪 - 右边的二进制阈值

检测到的文字

如您所见，它非常接近但并不完美。我想让它更准确，因为我最终会处理很多帧。

这是我当前的代码：

import cv2
import pytesseract
import pandas as pd
import numpy as np

# Tells pytesseract where the tesseract environment is installed on local computer
pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"

img = cv2.imread("./image_frames/frame0.png")

# gamma to darken text to be same opacity?
def adjust_gamma(crop_img, gamma=1.0):
    # build a lookup table mapping the pixel values [0, 255] to
    # their adjusted gamma values
    invGamma = 1.0 / gamma
    table = np.array([((i / 255.0) ** invGamma) * 255
        for i in np.arange(0, 256)]).astype("uint8")
    # apply gamma correction using the lookup table
    return cv2.LUT(crop_img, table)

adjusted = adjust_gamma(crop_img, gamma=0.15)

# grayscale the image
gray = cv2.cvtColor(adjusted, cv2.COLOR_BGR2GRAY)
# denoising image
dst = cv2.fastNlMeansDenoising(gray, None, 10, 10, 10)


# binary threshold
thresh = cv2.threshold(gray, 35, 255, cv2.THRESH_BINARY_INV)[1]


# OCR configurations (3 is default)
config = "--psm 3"

# Just show the image
cv2.imshow("before", gray)
cv2.imshow("before", dst)
cv2.imshow("thresh", thresh)
cv2.waitKey(0)

# Reads text from the image and prints to console
text = pytesseract.image_to_string(thresh, config=config)
# remove double lines
text = text.replace('\n\n','\n')
# remove unicode character
text = text.replace('', '')
print(text)

感谢任何帮助，因为我对此很陌生！

4

1 回答 1

2

步骤#1：缩放图像

步骤#2：申请adaptive-threshold

步骤#3：将 page-segmentation-mode ( psm) 设置为 6（假设一个统一的文本块。）

1缩放图像：

  • 原因是为了看清楚图像，因为原始图像非常小。

  • img = cv2.imread("udQw1.png")
img = cv2.resize(img, None, fx=3, fy=3, interpolation=cv2.INTER_CUBIC)

2申请adaptive-threshold

  • 一般threshold是应用，但在你的图像中，应用threshold对结果没有影响。

  • 对于不同的图像，您可能需要设置不同的C和block值。

  • 例如第一张图片：

  • gry = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
thr = cv2.adaptiveThreshold(gry, 255, cv2.ADAPTIVE_THRESH_MEAN_C,
                            cv2.THRESH_BINARY_INV, 15, 22)

  • 结果：

    • 在此处输入图像描述

  • 例如第二张图片：

  • gry = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
thr = cv2.adaptiveThreshold(gry, 255, cv2.ADAPTIVE_THRESH_MEAN_C,
                            cv2.THRESH_BINARY_INV, 51, 4)

  • 结果：

    • 在此处输入图像描述

3设置psm为 6，将图像假定为单个统一的文本块。

  • txt = pytesseract.image_to_string(thr, config="--psm 6")
print(txt)

  • 第一张图片的结果：

    • Dragon Claymore
1,388,888,888 mesos.
Maple Pyrope Spear
288,888,888 mesos.
Element Pierce
488,888,888 mesos.
Purple Adventurer Cape
97,777,777 mesos.

  • 第二张图片的结果：

    • Ring of Alchemist
749,999,995 mesos.
Dragon Slash Claw
499,999,995 mesos.
"Stormcaster Gloves
149,999,995 mesos.
Elemental Wand 6
749,999,995 mesos.

Big Money Chalr

1 tor 249,999,985 mesos.|

第一张图片的代码：

import pytesseract
import cv2

img = cv2.imread("udQw1.png")
img = cv2.resize(img, None, fx=3, fy=3, interpolation=cv2.INTER_CUBIC)
gry = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
thr = cv2.adaptiveThreshold(gry, 255, cv2.ADAPTIVE_THRESH_MEAN_C,
                            cv2.THRESH_BINARY_INV, 15, 22)
txt = pytesseract.image_to_string(thr, config="--psm 6")
print(txt)

第二张图片的代码：

import pytesseract
import cv2

img = cv2.imread("7Y2yx.png")
img = cv2.resize(img, None, fx=3, fy=3, interpolation=cv2.INTER_CUBIC)
gry = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
thr = cv2.adaptiveThreshold(gry, 255, cv2.ADAPTIVE_THRESH_MEAN_C,
                            cv2.THRESH_BINARY_INV, 51, 4)
txt = pytesseract.image_to_string(thr, config="--psm 6")
print(txt)

链接

于 2021-01-09T00:02:16.033 回答