如何利用图像预处理提高OCR的准确性？

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

OCR代表光学字符识别，将文档照片或场景照片转换为机器编码的文本。有很多工具可以在你们的系统中实现OCR，例如Tesseract OCR和Cloud Vision。他们使用AI和机器学习以及经过训练的自定义模型。文本识别取决于多种因素，以产生高质量的输出。OCR输出在很大程度上取决于输入图像的质量，这就是每个OCR引擎都提供有关输入图像质量及其大小的准则的原因，这些准则可帮助OCR引擎产生准确的结果。

图像预处理功能可以提高输入图像的质量，以便OCR引擎为我们提供准确的输出，使用以下图像处理操作可以改善输入图像的质量。

图像缩放

   

图像缩放比例对于图像分析很重要。通常，OCR引擎会准确输出300 DPI的图像。DPI描述了图像的分辨率，换句话说，它表示每英寸的打印点数。

def set_image_dpi(file_path):
    im = Image.open(file_path)
    length_x, width_y = im.size
    factor = min(1, float(1024.0 / length_x))
    size = int(factor * length_x), int(factor * width_y)
    im_resized = im.resize(size, Image.ANTIALIAS)
    temp_file = tempfile.NamedTemporaryFile(delete=False,   suffix='.png')
    temp_filename = temp_file.name
    im_resized.save(temp_filename, dpi=(300, 300))
    return temp_filenam

偏斜矫正