खराब स्कैन किए गए हस्तलिखित अंकों को प्रीप्रोकैसिंग

Question

मेरे पास कुछ हजारों पीडीएफ फाइलें हैं जिनमें बी & डब्ल्यू छवियों (1 बिट) डिजिटलकृत पेपर फॉर्म से हैं। मैं कुछ क्षेत्रों ओसीआर करने के लिए कोशिश कर रहा हूँ, लेकिन कुछ समय लेखन भी बेहोश है:

मैं सिर्फ रूपात्मक रूपांतरण के बारे में सीखा है। वे वास्तव में शांत हैं !!! मुझे लगता है कि मैं उनका दुरुपयोग कर रहा हूं (जैसे मैंने नियमित अभिव्यक्तियों के साथ किया था जब मैंने पर्ल सीखा था)।

मैं केवल तारीख में दिलचस्पी रखता हूँ, 2017/07/06:

im = cv2.blur(im, (5, 5)) 
plt.imshow(im, 'gray') 

ret, thresh = cv2.threshold(im, 250, 255, 0) 
plt.imshow(~thresh, 'gray') 

इस फार्म भरने लोगों के लिए कुछ उपेक्षा करने के लिए लगता है ग्रिड, तो मैंने इसे से छुटकारा पाने की कोशिश की। मैं इस के साथ क्षैतिज रेखा को अलग करने को बदलने में सक्षम हूं:

horizontal = cv2.morphologyEx(
    ~thresh, 
    cv2.MORPH_OPEN, 
    cv2.getStructuringElement(cv2.MORPH_RECT, (100, 1)), 
) 
plt.imshow(horizontal, 'gray') 

मैं भी खड़ी लाइनों प्राप्त कर सकते हैं:

plt.imshow(horizontal^~thresh, 'gray') 

ret, thresh2 = cv2.threshold(roi, 127, 255, 0) 
vertical = cv2.morphologyEx(
    ~thresh2, 
    cv2.MORPH_OPEN, 
    cv2.getStructuringElement(cv2.MORPH_RECT, (2, 15)), 
    iterations=2 
) 
vertical = cv2.morphologyEx(
    ~vertical, 
    cv2.MORPH_ERODE, 
    cv2.getStructuringElement(cv2.MORPH_RECT, (9, 9)) 
) 
horizontal = cv2.morphologyEx(
    ~horizontal, 
    cv2.MORPH_ERODE, 
    cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7)) 
) 
plt.imshow(vertical & horizontal, 'gray') 

अब मैं प्राप्त कर सकते हैं ग्रिड से छुटकारा:

plt.imshow(horizontal & vertical & ~thresh, 'gray') 

सबसे अच्छा मुझे मिल गया यह था, लेकिन 4 अभी भी 2 भागों में विभाजित है: शायद इस बिंदु यह cv2.findContours और कुछ अनुमानी उपयोग करने के लिए बेहतर है पर

plt.imshow(cv2.morphologyEx(im2, cv2.MORPH_CLOSE, 
    cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))), 'gray') 

प्रत्येक अंक का पता लगाने के लिए, लेकिन मैं सोच रहा था:

1. मुझे देना चाहिए ग्रेस्केल में सभी दस्तावेजों को रद्द करने की मांग करें और मांग करें?
2. बेहोश अंकों को अलग करने और ढूंढने के लिए बेहतर तरीके हैं?
3. क्या आप "4" जैसे मामलों में शामिल होने के लिए कोई मोर्फोलॉजिकल ट्रांसफॉर्म जानते हैं?

[अद्यतन]

दस्तावेज भी rescanning की मांग कर रहा है? यदि यह कोई बड़ा मुसीबत है मेरा मानना ​​है कि यह प्रशिक्षण की तुलना में अधिक गुणवत्ता आदानों प्राप्त करने के लिए बेहतर है और अपने मॉडल को परिष्कृत करने के शोर और असामान्य डेटा

संदर्भ के बारे में थोड़ी सामना करने के लिए कोशिश कर रहा है: मैं एक कोई भी नहीं पर काम कर रहा हूँ ब्राजील में एक सार्वजनिक एजेंसी। आईसीआर समाधान के लिए कीमत 6 अंकों में शुरू होती है, इसलिए कोई भी मानता है कि एक भी व्यक्ति घर में आईसीआर समाधान लिख सकता है।मैं विश्वास करने के लिए पर्याप्त मूर्ख हूं कि मैं उन्हें गलत साबित कर सकता हूं। वे पीडीएफ दस्तावेज़ एक एफ़टीपी सर्वर (लगभग 100 के फाइल) पर बैठे थे और मृत पेड़ संस्करण से छुटकारा पाने के लिए स्कैन किए गए थे। शायद मैं मूल रूप प्राप्त कर सकता हूं और खुद को फिर से स्कैन कर सकता हूं लेकिन मुझे कुछ आधिकारिक समर्थन मांगना होगा - क्योंकि यह सार्वजनिक क्षेत्र है क्योंकि मैं इस परियोजना को जितना संभव हो उतना भूमिगत रखना चाहता हूं। मेरे पास अब 50% की त्रुटि दर है, लेकिन यदि यह दृष्टिकोण एक मृत अंत है तो इसमें सुधार करने की कोई बात नहीं है।

Answer 1

शायद किसी प्रकार के Active contour model के साथ? https://github.com/pmneila/morphsnakes

अपने अंतिम "4" नंबर लिया: उदाहरण के लिए, मैं इस पुस्तकालय पाया

कुछ त्वरित फेरबदल के बाद (वास्तव में मानकों को समझे बिना, इसलिए यह एक पाने के लिए संभव हो सकता है बेहतर परिणाम) मैं यह मिल गया:

निम्न कोड के साथ

(मैं भी morphsnakes.py एक छोटे से टी काट दिया o छवियों को सहेजें):

import morphsnakes 

import numpy as np 
from scipy.misc import imread 
from matplotlib import pyplot as ppl 

def circle_levelset(shape, center, sqradius, scalerow=1.0): 
    """Build a binary function with a circle as the 0.5-levelset.""" 
    grid = np.mgrid[list(map(slice, shape))].T - center 
    phi = sqradius - np.sqrt(np.sum((grid.T)**2, 0)) 
    u = np.float_(phi > 0) 
    return u 

#img = imread("testimages/mama07ORI.bmp")[...,0]/255.0 
img = imread("four.png")[...,0]/255.0 

# g(I) 
gI = morphsnakes.gborders(img, alpha=900, sigma=3.5) 

# Morphological GAC. Initialization of the level-set. 
mgac = morphsnakes.MorphGAC(gI, smoothing=1, threshold=0.29, balloon=-1) 
mgac.levelset = circle_levelset(img.shape, (39, 39), 39) 

# Visual evolution. 
ppl.figure() 
morphsnakes.evolve_visual(mgac, num_iters=50, background=img)