pytesseract और PIL

Question

के माध्यम से पाठ पहचान की शुद्धता बढ़ाएं तो मैं छवि से टेक्स्ट निकालने का प्रयास कर रहा हूं। और चूंकि छवि की गुणवत्ता और आकार अच्छा नहीं है, यह गलत परिणाम दे रहा है। मैंने पीआईएल के साथ कुछ संवर्धन और अन्य चीजों की कोशिश की लेकिन यह केवल छवि की गुणवत्ता को खराब कर रहा है।

क्या कोई बेहतर परिणाम प्राप्त करने के लिए छवि में कुछ वृद्धि का सुझाव दे सकता है। छवियों के कुछ उदाहरण:

Answer 1

छवि के प्रदान की उदाहरण के लिए पाठ काफी अच्छी गुणवत्ता के नेत्रहीन है, इसलिए सवाल यह कैसे आता है कि ओसीआर गलत परिणाम देता है?

इसे समझने के लिए इस उत्तर के आगे पाठ में दिए गए निष्कर्ष के Tesseract के माध्यम से दिया छवि

चलाते हैं। Tesseract ओसीआर का परिणाम नीचे:

"fhpgearedmomrs©gmachom" 

अब की छवि में चार बार का आकार बदलने और इसे करने के लिए थ्रेशोल्डिंग लागू करते हैं। मैंने गिंप में मैन्युअल रूप से आकार बदलने और थ्रेसहोल्डिंग किया है, लेकिन पीआईएल के लिए उपयुक्त आकार बदलने की विधि और थ्रेसहोल्ड वैल्यू के साथ यह निश्चित रूप से स्वचालित हो सकता है, ताकि बढ़ने के बाद आपको बढ़ी हुई छवि के समान छवि मिल जाए:

"fhpgearedmotors © gmail.com"

यह है कि एन दर्शाता है:

Tesseract ओसीआर के माध्यम से बेहतर छवि रन पाठ निम्नलिखित देता है एक छवि बड़े पैमाने पर प्रदान की गई पाठ-छवि उदाहरण पर 100% सटीकता प्राप्त करने में मदद कर सकती है।

यह अजीब दिखाई दे सकता है कि एक छवि को बढ़ाने से बेहतर ओसीआर सटीकता प्राप्त करने में मदद मिलती है, लेकिन ... ओसीआर मुद्रित मीडिया के स्कैन को ग्रंथों में बदलने के लिए विकसित किया गया था और डिजाइन द्वारा पाठ की 300 डीपीआई छवियों की अपेक्षा करता था। यह बताता है कि कुछ ओसीआर कार्यक्रमों ने अपने परिणामों को बेहतर बनाने के लिए टेक्स्ट का आकार क्यों नहीं बदला और छवि के उच्च डीपीआई रिज़ॉल्यूशन की अपेक्षा रखने वाले छोटे फ़ॉन्ट्स पर बुरा प्रदर्शन किया जो बढ़कर हासिल किया जा सकता है।

यहाँ Tesseract FAQ on github.com से एक अंश ऊपर बयान prooving:

[वहाँ उचित सटीकता के लिए एक न्यूनतम पाठ का आकार है। आपको संकल्प के साथ-साथ बिंदु आकार पर विचार करना होगा। शुद्धता 10pt x 300dpi से नीचे गिरती है, तेजी से 8pt x 300dpi से नीचे। एक त्वरित जांच अपने पात्रों की एक्स-ऊंचाई के पिक्सल को गिनना है। (एक्स-ऊंचाई निचले मामले x की ऊंचाई है।) 10pt x 300dpi x-heights पर आमतौर पर लगभग 20 पिक्सेल होते हैं, हालांकि यह नाटकीय रूप से फ़ॉन्ट से फ़ॉन्ट में भिन्न हो सकता है। 10 पिक्सल की एक्स-ऊंचाई के नीचे, आपके पास सटीक परिणामों का बहुत कम मौका है, और लगभग 8 पिक्सल से नीचे, अधिकांश टेक्स्ट "शोर हटा दिया जाएगा"।]