使用Leptonica进行OCR的图像处理（反色文本）

Question

我正在尝试使用Leptonica处理以下图片，以便用Tesseract提取文本。

原始图片:

Tesseract对原始图片的结果如下：

i s l
D2J1FiiE-l191x1iitmwii9 uhiaiislz-2 Q ~37
Bottom linez
With a little time!
you can learn social media technology
using free online resources-
And if you donity
youlll be at a significant disadvantage
to
other HOn-pFOiiTS-

不太理想，特别是顶部的背景。因此，我使用leptionica使用背景去除算法（模糊、差异、阈值、反转）得到以下图像：

但是tesseract对它处理得并不好：

@@r-mair lkrm@W lh@w ilr@ mJs@ iklh@ ii@c2lhm1@ll
mm Mime
VWU1 a Mitt-Jle time-
@1m ll@@Wn Om @@@lh1
using free onhne resources-
Andifyoudoni
9110 ate a $0 D
to other non-profrts
I

主要问题似乎是现在所有的文本都被勾勒出来而不是实心。我应该如何调整我的算法或加入什么内容使文本变得实心？

- jasonlfunk

Answer 1

似乎这篇论文提出了一种解决您问题的二值化方法：

T Kasar，J Kumar和A G Ramakrishnan。字体和背景颜色无关的文本二值化。（2007年）

- sastanin

---

太好了。在我接受答案之前，你不会碰巧知道这个算法的实现吧？ - jasonlfunk

不好意思，我不知道是否存在实现。 - sastanin

我使用Python和OpenCV实现了这个项目。谢谢！ https://github.com/jasonlfunk/ocr-text-extraction - jasonlfunk

这是一项伟大的努力，看起来很有前途，但现在文本的呈现就像从某个档案中挖掘出来的一样，基本上文本对读者来说不够清晰可见，就像你在右侧远处看到的那样（c）。 - KJW