我正在处理的其中一个问题是对文档进行 OCR。一些工资单文件有一 strip 点的突出线,以区分重要元素,如总工资、净工资等。
这些点在 OCR 中给出了错误的结果,它认为它们是“:”字符并且没有给出预期的结果。我已经尝试了很多图像处理方法,例如 ImageMagick 等来去除这些点。但在每种情况下,整个文本数据的质量都会下降,从而导致 OCR 效果不佳。
我尝试过的 ImageMagick 命令是:
转换 mm150.jpg -kuwahara 3 mm2.jpg
我也尝试过连接组件、内核侵 eclipse 等,但每种方法都以某种方式失败。
我想知道我是否应该遵循某种方法,或者我是否遗漏了图像处理功能中的某些内容。
最佳答案
这个问题可以使用opencv的connectedComponentsWithStats函数来解决。我从这个问题 How do I remove the dots / noise without damaging the text? 中找到了引用资料
我根据自己的需要做了一些改动。这是帮助我获得所需输出的代码。
import cv2
import numpy as np
import sys
img = cv2.imread(sys.argv[1], 0)
_, blackAndWhite = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)
nlabels, labels, stats, centroids = cv2.connectedComponentsWithStats(blackAndWhite, 4, cv2.CV_32S)
sizes = stats[1:, -1] #get CC_STAT_AREA component
img2 = np.zeros((labels.shape), np.uint8)
for i in range(0, nlabels - 1):
if sizes[i] >= 8: #filter small dotted regions
img2[labels == i + 1] = 255
res = cv2.bitwise_not(img2)
cv2.imwrite('res.jpg', res)
我得到的输出文件非常清晰,去除了虚线带,例如它提供了完美的 OCR 结果。
关于image-processing - 如何从文本图像中删除虚线带?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49317116/