改善Tesseract OCR质量不合格

Question

我目前使用tesseract扫描收据。质量不好，所以我阅读这篇文章如何改进它：https://github.com/tesseract-ocr/tesseract/wiki/ImproveQuality#noise-removal。我实现了调整大小，歪斜（对齐）和高斯模糊。但是除了去角度之外，它们都没有对OCR的准确性产生积极影响。这里是我调整大小和高斯模糊的代码。我做错了什么？如果不是，我还能做些什么来提供帮助？

代码：

+(UIImage *) prepareImage: (UIImage *)image{ 

    //converts UIImage to Mat format 
    Mat im = cvMatWithImage(image); 

    //grayscale image 
    Mat gray; 
    cvtColor(im, gray, CV_BGR2GRAY); 

    //deskews text 
    //did not provide code because I know it works 
    Mat preprocessed = preprocess2(gray); 
    double skew = hough_transform(preprocessed, im); 
    Mat rotated = rot(im,skew* CV_PI/180); 

    //resize image 
    Mat scaledImage = scaleImage(rotated, 2); 

    //Guassian Blur 
    GaussianBlur(scaledImage, scaledImage, cv::Size(1, 1), 0, 0); 

    return UIImageFromCVMat(scaledImage); 
} 

// Organization -> Resizing 

Mat scaleImage(Mat mat, double factor){ 
    Mat resizedMat; 
    double width = mat.cols; 
    double height = mat.rows; 
    double aspectRatio = width/height; 
    resize(mat, resizedMat, cv::Size(width*factor*aspectRatio, height*factor*aspectRatio)); 
    return resizedMat; 
} 

收据：

Answer 1

如果你读了正方体文档，你会看到正方体发动机在最佳状态下的文本在方单行。将整张收据图像传给它会降低发动机的准确性。您需要做的是使用新的iOS框架CITextFeature将收件中的文本检测为多个图像块。那么只有您可以将这些图像传递给tesseract进行处理。