KerasOCR、EasyOCR、Pytesseract 无法识别简单数字

Question

我试图在我的单个字符图像上运行 OCR，所有图像都是数字。我尝试在图像上运行 EasyOCR、Keras-OCR 和 Pytesseract，但没有返回正确的输出。我什至尝试了 MNIST，但输出仍然是错误的（它说输出是 5 而不是 7）。

我该怎么办？包括图片。

7 的图像

9 的图像

如果有预处理，我应该添加哪些方法？或者我应该做点别的吗？

Answer 1

每个 OCR 都针对不同类型的图像进行训练，请查看这篇文章，总结一下，“Tesseract”在高分辨率图像上表现良好。某些形态学操作（例如膨胀、腐蚀、OTSU 二值化）可以帮助提高 pytesseract 的性能。

“EasyOCR”是轻量级模型，为收据或 PDF 转换提供了良好的性能。它通过 pdf 文件、收据、账单等有组织的文本提供更准确的结果。

“Keras-OCR”是图像特定的 OCR 工具。如果文本位于图像内部并且其字体和颜色没有组织，Keras-ocr 会给出良好的结果。

对于这种数字，我推荐使用 Tesseract，如果问题仍然存在，请尝试创建自己的数字数据集（或搜索现有数据集）并微调现有模型。