Очистка изображения для OCR с помощью ImageMagick и textcleaner

у меня есть следующее изображение, которое я хотел бы подготовить для OCR с tesseract: enter image description here

цель состоит в том, чтобы очистить изображение и удалить весь шум. Я использую textcleaner скрипт, использующий ImageMagick со следующими параметрами:

./textcleaner -g -e normalize -f 30 -o 12 -s 2 original.jpg output.jpg

выход все еще не настолько чист: enter image description here

Я пробовал все виды вариаций для параметров, но не повезло. У кого-нибудь есть идея?

8
imagemagick imagemagick-convert ocr tesseract

1 ответов

если преобразовать в в формате JPEG, вы всегда есть тип артефактов, которые вы видите.

Это типичная "особенность" сжатия JPEG. Jpeg никогда не хороши для изображений, показывающих резкие линии, контрасты с равномерными цветами между различными областями изображения, используя только очень мало цветов. Это верно для черно-белых текстов. JPEG только "хорош" для типичных фотографий, с большим количеством разных цветов и затенение...

ваша проблема, скорее всего, будет полностью решена, если вы используете PNG в качестве выходного формата. Следующее изображение демонстрирует это. Я сгенерировал его с теми же параметрами, что и ваша последняя команда примера, но с PNG в качестве выходного формата:

textcleaner -g -e normalize -f 30 -o 12 -s 2 \
    http://i.stack.imgur.com/ficx7.jpg       \
    out.png

PNG instead of JPEG output

вот аналогичное увеличение выходного сигнала:

Zoomed PNG

вы можете очень вероятно улучшить результат еще больше, если вы играете с параметры скрипта textcleaner. Но это код работа... :-)

8