如何从图像中提取虚线文本？

问题描述

我正在做我的学士学位期末项目，我想创建一个OCR用于使用蟒蛇进行瓶子检查。我需要一些图像的文本识别的帮助。我是需要以更好的方式应用CV2操作，还是应该尝试其他方法？

我尝试对图像执行图像处理操作，并使用pytesseract识别字符。

使用我从这张照片中获得的以下代码：

到此：

然后转到这个：

锐化功能：

def sharpen(img):
  sharpen = iaa.Sharpen(alpha=1.0, lightness = 1.0)
  sharpen_img = sharpen.augment_image(img)
  return sharpen_img

图像处理代码：

textZone = cv2.pyrUp(sharpen(originalImage[y:y + h - 1, x:x + w - 1])) #text zone cropped from the original image

sharp = cv2.cvtColor(textZone, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(sharp, 127, 255, cv2.THRESH_BINARY)

#the functions such as opening are inverted (I don't know why) that's why I did opening with MORPH_CLOSE parameter, dilatation with erode and so on

kernel_open = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
open = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel_open)

kernel_dilate = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,7))
dilate = cv2.erode(open,kernel_dilate)

kernel_close = cv2.getStructuringElement(cv2.MORPH_RECT, (1, 5))
close = cv2.morphologyEx(dilate, cv2.MORPH_OPEN, kernel_close)

print(pytesseract.image_to_string(close))

这是pytesseract.Image_to_字符串的结果：

22203;?!)

92:53 a

预期结果为：

22/03/20

02:53 A

---

解决方案

"我需要以更好的方式应用cv2操作、训练测试血清还是应该尝试其他方法？"

首先，我要表扬你接受了这个项目并取得了今天的成就。从OpenCV/CV2的角度来看，您的产品看起来相当不错。

现在，如果你想让Tesseract带你走完剩下的路，至少你必须训练它。在这里，你面临着一个艰难的选择：要么投资培训Tesseract，要么创建一个CNN来识别有限的字母表。如果你有办法分割图像，我会忍不住选择后者。