实战 | 使用图像处理改善OCR结果(详细步骤 + 源码)

导  读

    本文主要介绍一个通过图像处理改善OCR识别结果的实例，并给出详细步骤和源码。

背景介绍

    在很多情况下，文字识别会遇到困难。比如非单一的背景、杂讯干扰、文字部分缺失等。如下图所示：

    我们希望识别图中的黑色文字(12-14),但背景较复杂且存在其他干扰，如果直接用Tesseract识别(代码如下)，识别结果为空。

# -*- coding:utf-8 -*- import pytesseractfrom PIL import Image # 打开图像image = Image.open('0.png') # OCR识别：lang默认英文text = pytesseract.image_to_string(image) # 打印识别后的文本print(text)

    对这种复杂情况的文字识别，直接去识别很容易失败。思考：可不可以通过图像处理将我们需要的部分分割或凸显出来再做识别？本文将以此为例做演示说明。

      

详细实现步骤

    【1】OTSU二值化​​​​​​​

image = cv2.imread('0.png')