使用ImageMagick和'textcleaner'清理图像以进行OCR

Question

8

我有以下图片，希望使用tesseract进行OCR识别准备： enter image description here

目标是清理图像并消除所有噪点。我正在使用textcleaner脚本，该脚本使用ImageMagick并具有以下参数：

./textcleaner -g -e normalize -f 30 -o 12 -s 2 original.jpg output.jpg

输出仍然不够干净：

我尝试了各种参数的变化，但没有成功。有人有想法吗？

- Edi

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Kurt Pfeifle · Accepted Answer

如果你转换为JPEG，你将始终看到与你所见到的相同类型的伪影。

这是JPEG压缩的典型“特征”。对于显示锐利线条、在图像不同区域之间具有统一颜色对比度、仅使用非常少的颜色的图像（包括黑白文本），JPEG永远不是一个好的选择。JPEG只对典型的照片，即具有许多不同颜色和阴影的照片“好用”...

如果你使用PNG作为输出格式，你的问题很可能会完全得到解决。以下图像演示了这一点。我使用与你最后一个示例命令相同的参数生成它，但输出格式为PNG：

textcleaner -g -e normalize -f 30 -o 12 -s 2 \
    http://i.stack.imgur.com/ficx7.jpg       \
    out.png

PNG输出而非JPEG

这是输出的类似放大图：

放大的PNG

如果您调整textcleaner脚本的参数，很可能可以进一步改善输出。但那就是您的工作了……:-)