Önceden taranmayan el yazısı basamakları ön işleme

Question

Dijitalleştirilmiş kağıt formlarından B & W görüntüler (1bit) içeren birkaç binlerce PDF dosyam var. Ben bazı alanları OCR çalışıyorum, ama bazen yazı kadar soluktur: Sadece morfolojik dönüşümler hakkında öğrendiğim

. Onlar gerçekten harika!!! Onları istismar ettiğimi hissediyorum (Perl'i öğrendiğimde normal ifadelerle yaptığım gibi).

Ben 2017/07/06, tarih ilgileniyorum sadece: Bu formu doldurarak

im = cv2.blur(im, (5, 5)) 
plt.imshow(im, 'gray') 

ret, thresh = cv2.threshold(im, 250, 255, 0) 
plt.imshow(~thresh, 'gray') 

İnsanlar için bazı ihmal var gibi görünüyor ızgara, bundan kurtulmaya çalıştım. Ben dönüşümü bununla yatay çizgi izole etmek mümkün değilim:

horizontal = cv2.morphologyEx(
    ~thresh, 
    cv2.MORPH_OPEN, 
    cv2.getStructuringElement(cv2.MORPH_RECT, (100, 1)), 
) 
plt.imshow(horizontal, 'gray') 

Ben de dikey çizgiler elde edebilirsiniz:

plt.imshow(horizontal^~thresh, 'gray') 

ret, thresh2 = cv2.threshold(roi, 127, 255, 0) 
vertical = cv2.morphologyEx(
    ~thresh2, 
    cv2.MORPH_OPEN, 
    cv2.getStructuringElement(cv2.MORPH_RECT, (2, 15)), 
    iterations=2 
) 
vertical = cv2.morphologyEx(
    ~vertical, 
    cv2.MORPH_ERODE, 
    cv2.getStructuringElement(cv2.MORPH_RECT, (9, 9)) 
) 
horizontal = cv2.morphologyEx(
    ~horizontal, 
    cv2.MORPH_ERODE, 
    cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7)) 
) 
plt.imshow(vertical & horizontal, 'gray') 

Şimdi alabilirsiniz ızgaradan kurtulmak için:

plt.imshow(horizontal & vertical & ~thresh, 'gray') 

elimdeki en iyi bu oldu ama 4 hala 2 parçaya ayrılır: Muhtemelen cv2.findContours ve bazı sezgisel bir yaklaşım kullanmak daha iyidir bu noktada

plt.imshow(cv2.morphologyEx(im2, cv2.MORPH_CLOSE, 
    cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))), 'gray') 

Her rakamı bulmak için, ama merak ediyorum:

1. tüm belgelerin gri tonlarında yeniden taranmasını ister misiniz? Soluk basamakları ayırmak ve bulmak için
2. daha iyi yöntemler var mı?
3. "4" gibi durumlara katılmak için herhangi bir morfolojik dönüşüm biliyor musunuz?

[güncelleme]

çok belgeleri rescanning talep mi? Ben çalışan bir kimse değilim: o hiçbir büyük sorun ise bunun eğitime daha yüksek kalitede girdi almak daha iyidir ve gürültülü ve atipik verileri

Biraz bağlam dayanacak şekilde modelinizi rafine çalışıyor inanıyoruz Brezilya'da bir kamu ajansı. ICR çözümleri için fiyat 6 basamakta başlıyor, bu sayede hiç kimse tek bir adamın şirket içinde bir ICR çözümü yazabileceğine inanmıyor.Onları yanlış kanıtlayabileceğime inanacak kadar naifim. Bu PDF belgeleri bir FTP sunucusunda (yaklaşık 100K dosya) oturuyordu ve ölü ağaç sürümünden kurtulmak için tarandılar. Muhtemelen orijinal formu alıp tekrar tarayabilirim, ancak bazı resmi destek istemem gerekecek - çünkü kamu sektörü bu projeyi olabildiğince yeraltında tutmak istiyorum. Şimdi sahip olduğum şey% 50'lik bir hata oranıdır, fakat eğer bu yaklaşım bir çıkmazsa, onu geliştirmeye çalışmak için bir nokta yoktur.

Answer 1

Belki bir çeşit Active contour model ile? Bir almak mümkün olabilir böylece, aslında parametreleri anlamadan (bazı hızlı verdiği sonra

: https://github.com/pmneila/morphsnakes

son "4" numarasını aldı: Örneğin , ben bu kitaplığı bulundu daha iyi sonuç) bu var: aşağıdaki kodla

(Ben de morphsnakes.py biraz t hacklendi o görüntüleri saklayın):

import morphsnakes 

import numpy as np 
from scipy.misc import imread 
from matplotlib import pyplot as ppl 

def circle_levelset(shape, center, sqradius, scalerow=1.0): 
    """Build a binary function with a circle as the 0.5-levelset.""" 
    grid = np.mgrid[list(map(slice, shape))].T - center 
    phi = sqradius - np.sqrt(np.sum((grid.T)**2, 0)) 
    u = np.float_(phi > 0) 
    return u 

#img = imread("testimages/mama07ORI.bmp")[...,0]/255.0 
img = imread("four.png")[...,0]/255.0 

# g(I) 
gI = morphsnakes.gborders(img, alpha=900, sigma=3.5) 

# Morphological GAC. Initialization of the level-set. 
mgac = morphsnakes.MorphGAC(gI, smoothing=1, threshold=0.29, balloon=-1) 
mgac.levelset = circle_levelset(img.shape, (39, 39), 39) 

# Visual evolution. 
ppl.figure() 
morphsnakes.evolve_visual(mgac, num_iters=50, background=img)