问寻找从图像中提取文本的库

EN

OCR通常通过在白色背景下识别黑色文本字符来工作，所以大多数OCR方法都试图将图像“二值化”，并将其转换为黑白图像。

考虑到您正在使用的映像，这里有一些问题使得这很困难：

1. 灰色背景有接近铅笔书写和线条的阴影。
2. 铅笔画的字不是用实心的形状做的，里面有许多阴影。
3. 虚线和字符的颜色是相近的。

这些问题的结合导致没有文本被识别，因为文本不够突出，或者在OCR试图解释虚线和背景时检测到大量的假文本。

这意味着，对于这种类型的图像，需要进行一些图像处理，以使文本更适合OCR。

例如，对于这个特定的映像，我可以使用来自LEADTOOLS工具包的图像处理类来实现以下结果。(免责声明:我是该工具包供应商的雇员)

所使用的图像处理如下：

1. 直方图均衡化以提取文本中黑色字符中的细节。
2. 灰度检测和二值分割沿着较宽的像素值来滤除图像中的噪声。
3. 通过沿着像素颜色值的中值降低噪声，删除虚线，但尽可能保持文本清晰。

此代码如下所示：

HistogramEqualizeCommand histCommand = new HistogramEqualizeCommand(); 
histCommand.Run(image);

IntensityDetectCommand intensityDetectCommand = new IntensityDetectCommand(); 
intensityDetectCommand.LowThreshold = 5; 
intensityDetectCommand.HighThreshold = 255; 
intensityDetectCommand.Run(image); 

MedianCommand medCommand = new MedianCommand(); 
medCommand.Dimension = 9;
medCommand.Run(image); 

然后，通过使用工具箱中的OCR/ICR类，我能够识别文本：

要求ICR承认该案文。请注意，在该工具包的Java版本中没有此功能。

或者，如果不想执行图像处理，请考虑更改基本图像：

1. 在白色背景上使用黑色文本。
2. 用墨水代替铅笔写纯正的文字。
3. 手印人物，使他们更加突出。
4. 用实心的淡线代替虚线。