Entfernen Hintergrundgeräusche aus dem Bild, um text klarer OCR

Meine Antwort basiert auf folgenden Annahmen. Es ist möglich, dass keiner von Ihnen hat in Ihrem Fall.

• Es möglich für Sie zu verhängen ist, eine Schwelle für die bounding-box-Höhen in der segmentierten region. Dann sollten Sie in der Lage heraus zu filtern und anderen Komponenten.
• Sie wissen, der Durchschnittliche Strichstärken der Ziffern. Verwenden Sie diese Informationen, um zu minimieren die Wahrscheinlichkeit, dass die Ziffern sind mit anderen Regionen. Sie können Distanz-Transformation und morphologische Operationen für diese.

Dies ist meine Vorgehensweise für die Extraktion der Ziffern:

• Gelten Otsu Schwellwert auf das Bild
  
• Distanz-Transformation
  

• Schwelle der Abstand transformierte Bild mit dem Schlaganfall-Breite ( = 8) Einschränkung
  

• Anwenden morphologische operation zu trennen
  

• Filter bounding box Höhen und stellen Sie eine Vermutung auf, wo die Ziffern sind

stroke-width = 8

stroke-width = 10

BEARBEITEN

• Bereiten Sie eine Maske mithilfe der convexhull der gefunden Ziffer Konturen
  

• Kopieren Ziffern region, um ein sauberes Bild mit der Maske

stroke-width = 8

stroke-width = 10

Meine Tesseract wissen ist ein wenig eingerostet. Soweit ich mich erinnere kann man eine confidence level für die Charaktere. Sie können in der Lage sein, heraus zu filtern, Lärm mit Hilfe dieser Informationen, wenn Sie immer noch passieren um zu erkennen, lauten Regionen als Charakter bounding-Boxen.

C++ - Code

Mat im = imread("aRh8C.png", 0);
//apply Otsu threshold
Mat bw;
threshold(im, bw, 0, 255, CV_THRESH_BINARY_INV | CV_THRESH_OTSU);
//take the distance transform
Mat dist;
distanceTransform(bw, dist, CV_DIST_L2, CV_DIST_MASK_PRECISE);
Mat dibw;
//threshold the distance transformed image
double SWTHRESH = 8;    //stroke width threshold
threshold(dist, dibw, SWTHRESH/2, 255, CV_THRESH_BINARY);
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
//perform opening, in case digits are still connected
Mat morph;
morphologyEx(dibw, morph, CV_MOP_OPEN, kernel);
dibw.convertTo(dibw, CV_8U);
//find contours and filter
Mat cont;
morph.convertTo(cont, CV_8U);

Mat binary;
cvtColor(dibw, binary, CV_GRAY2BGR);

const double HTHRESH = im.rows * .5;    //height threshold
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
vector<Point> digits; //points corresponding to digit contours

findContours(cont, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));
for(int idx = 0; idx >= 0; idx = hierarchy[idx][0])
{
    Rect rect = boundingRect(contours[idx]);
    if (rect.height > HTHRESH)
    {
        //append the points of this contour to digit points
        digits.insert(digits.end(), contours[idx].begin(), contours[idx].end());

        rectangle(binary, 
            Point(rect.x, rect.y), Point(rect.x + rect.width - 1, rect.y + rect.height - 1),
            Scalar(0, 0, 255), 1);
    }
}

//take the convexhull of the digit contours
vector<Point> digitsHull;
convexHull(digits, digitsHull);
//prepare a mask
vector<vector<Point>> digitsRegion;
digitsRegion.push_back(digitsHull);
Mat digitsMask = Mat::zeros(im.rows, im.cols, CV_8U);
drawContours(digitsMask, digitsRegion, 0, Scalar(255, 255, 255), -1);
//expand the mask to include any information we lost in earlier morphological opening
morphologyEx(digitsMask, digitsMask, CV_MOP_DILATE, kernel);
//copy the region to get a cleaned image
Mat cleaned = Mat::zeros(im.rows, im.cols, CV_8U);
dibw.copyTo(cleaned, digitsMask);

BEARBEITEN

Java-Code

Mat im = Highgui.imread("aRh8C.png", 0);
//apply Otsu threshold
Mat bw = new Mat(im.size(), CvType.CV_8U);
Imgproc.threshold(im, bw, 0, 255, Imgproc.THRESH_BINARY_INV | Imgproc.THRESH_OTSU);
//take the distance transform
Mat dist = new Mat(im.size(), CvType.CV_32F);
Imgproc.distanceTransform(bw, dist, Imgproc.CV_DIST_L2, Imgproc.CV_DIST_MASK_PRECISE);
//threshold the distance transform
Mat dibw32f = new Mat(im.size(), CvType.CV_32F);
final double SWTHRESH = 8.0;    //stroke width threshold
Imgproc.threshold(dist, dibw32f, SWTHRESH/2.0, 255, Imgproc.THRESH_BINARY);
Mat dibw8u = new Mat(im.size(), CvType.CV_8U);
dibw32f.convertTo(dibw8u, CvType.CV_8U);

Mat kernel = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(3, 3));
//open to remove connections to stray elements
Mat cont = new Mat(im.size(), CvType.CV_8U);
Imgproc.morphologyEx(dibw8u, cont, Imgproc.MORPH_OPEN, kernel);
//find contours and filter based on bounding-box height
final double HTHRESH = im.rows() * 0.5; //bounding-box height threshold
List<MatOfPoint> contours = new ArrayList<MatOfPoint>();
List<Point> digits = new ArrayList<Point>();    //contours of the possible digits
Imgproc.findContours(cont, contours, new Mat(), Imgproc.RETR_CCOMP, Imgproc.CHAIN_APPROX_SIMPLE);
for (int i = 0; i < contours.size(); i++)
{
    if (Imgproc.boundingRect(contours.get(i)).height > HTHRESH)
    {
        //this contour passed the bounding-box height threshold. add it to digits
        digits.addAll(contours.get(i).toList());
    }   
}
//find the convexhull of the digit contours
MatOfInt digitsHullIdx = new MatOfInt();
MatOfPoint hullPoints = new MatOfPoint();
hullPoints.fromList(digits);
Imgproc.convexHull(hullPoints, digitsHullIdx);
//convert hull index to hull points
List<Point> digitsHullPointsList = new ArrayList<Point>();
List<Point> points = hullPoints.toList();
for (Integer i: digitsHullIdx.toList())
{
    digitsHullPointsList.add(points.get(i));
}
MatOfPoint digitsHullPoints = new MatOfPoint();
digitsHullPoints.fromList(digitsHullPointsList);
//create the mask for digits
List<MatOfPoint> digitRegions = new ArrayList<MatOfPoint>();
digitRegions.add(digitsHullPoints);
Mat digitsMask = Mat.zeros(im.size(), CvType.CV_8U);
Imgproc.drawContours(digitsMask, digitRegions, 0, new Scalar(255, 255, 255), -1);
//dilate the mask to capture any info we lost in earlier opening
Imgproc.morphologyEx(digitsMask, digitsMask, Imgproc.MORPH_DILATE, kernel);
//cleaned image ready for OCR
Mat cleaned = Mat.zeros(im.size(), CvType.CV_8U);
dibw8u.copyTo(cleaned, digitsMask);
//feed cleaned to Tesseract

Wäre das Bild Ihnen helfen?

Der Algorithmus produziert, dass Bild wäre einfach zu implementieren. Ich bin sicher, wenn Sie zwicken einige der Parameter, können Sie sehr gute Ergebnisse für diese Art von Bildern.

Getestet habe ich alle Bilder mit tesseract:

• Original-Bild : Nichts erkannt
• Bearbeitete Bild #1 : Nichts erkannt
• Bearbeitete Bild #2 : 12-14 (exact match)
• Mein bearbeitet Bild : y'1'2-14/j

Die Schriftgröße sollte nicht so groß sein oder klein, etwa im Bereich von 10-12 pt(der ich.e -, Zeichen-Höhe etwa über 20 und weniger als 80). Sie können sich eine Probe von der Bild und versuchen Sie es mit tesseract. Und einige Schriftarten sind nicht geschult im tesserakt, das Problem kann entstehen, wenn es nicht in diesem ausgebildet Schriften.