使用Tesseract或OpenCV进行Android对象检测

Question

我已成功将tesseract集成到我的安卓应用程序中，它可以读取我捕获的图像，但准确度很低。但大多数情况下，我在捕获后并没有得到正确的文本，因为还捕获了感兴趣区域周围的一些文本。

我想要的是从一个矩形区域准确地读取所有文本，而不捕获矩形的边缘。我已经做了一些研究，并在stackoverflow上发布了两次，但仍然没有得到满意的结果！

以下是我发表的两篇文章：

https://stackoverflow.com/questions/16663504/extract-text-from-a-captured-image?noredirect=1#comment23973954_16663504

从Android捕获的图像中提取信息

我不确定是使用Tesseract还是OpenCV。

- TharakaNirmana

---

自从我还是学生时就没有使用过openCV，所以不太清楚...但是看了你的另一个问题，彩票可能不是最好的尝试对象。建议使用白纸和黑色粗体字，然后从那里开始尝试...灯光、相机内部、对焦 - 它们都会影响OCR的效果。 - Shark

我也尝试了这种方法，如果文本在白色背景上，则可以读取。但是当我将其应用于彩票时，大多数时间都会给出无用的值。我还尝试了各种光照条件，即使在良好的光照条件下，当处理彩票时，tesseract也给出了差劲的结果。我该怎么办？ - TharakaNirmana

诅咒上苍，彩票公司竟然试图让伪造/OCR门票变得困难！因此，在进行OCR之前，您需要使用... RasterizerFilter清理彩票。无论如何，尝试过滤全息图/有趣的背景，使用高对比度等，并尝试将经过滤波的输入传递给OCR，而不是尝试制作可读取任何内容的OCR。 - Shark

是的，使用本地库在Java中进行编程以完成繁重的工作。 - Shark

让我们在聊天中继续这个讨论：http://chat.stackoverflow.com/rooms/32170/discussion-between-tharakanirmana-and-shark - TharakaNirmana

Answer 1

包括其他人的许多链接和答案，我认为有必要退一步并注意到光学字符识别（OCR）实际上有两个基本步骤：

- 文本检测：这是您问题的标题和重点，它涉及定位图像中包含文本的区域。 - 文本识别：这是实际识别发生的地方，检测从定位中获得的图像区域逐个字符分割并分类。这也是像 Tesseract 这样的工具发挥作用的地方。

现在，OCR 应用的还有两个通用设置：

- 受控制的：这些是从扫描仪或类似设备中获取的图像，其中目标是文档，而透视、比例、字体、方向、背景一致性等因素相对稳定。 - 非受控制/场景：这些是更自然的野外照片，例如从相机中获取的图像，您正在尝试识别街道标志、商店名称等信息。

Tesseract 本身最适用于“受控制”的环境。总的来说，但特别是对于场景 OCR，重新训练 Tesseract 不会直接改善检测，但可能会改善识别。

如果您想要提高场景文本检测，可以查看此work；如果您想要提高场景文本识别，则可以查看此work。由于您询问的是检测方面，该检测参考使用了极值稳定区域（MSER），它有大量的实现资源，例如请参见here。

此外，这里还有一个专门针对Android的文本检测项目：
https://github.com/dreamdragon/text-detection 正如许多人所指出的那样，请记住，识别仍然是一个开放的研究挑战。

- bjou

---

非常感谢您抽出时间回答这个问题。您提供了如此重要的信息。我想我能够找到一种解决方法。再次感谢！ - TharakaNirmana

Answer 2

改善OCR输出的解决方案是：

• 使用更多的训练数据来进行更好的训练

• 使用一些线性滤波器对其输入进行过滤（灰度化、高对比度、模糊处理）

在聊天中，我们发布了一些描述OCR过程中使用的滤波技术的链接，但没有发布示例代码。

发布的一些链接如下：

改善OCR的输入

如何训练Tesseract

使用非对称滤波器进行文本增强 <-- 这篇论文很容易在谷歌上找到，并且应该全文阅读，因为它清楚地说明并演示了OCR处理图像之前必要的步骤。

OCR分类

- Shark

---

以下是Shark发布的链接：http://manuscripttranscription.blogspot.com/2013/02/improving-ocr-inputs-from-ocr-outputs.htmlhttp://www.cedricve.me/2013/04/12/how-to-train-tesseract/http://scholr.ly/paper/1046523/text-enhancement-with-asymmetric-filter-for-video-ocr - TharakaNirmana

线性分类器/OCR分类。这就是我试图记住的那个。 - Shark