Лошите скани, телефонни снимки, факси и компресирани екрани често поразяват OCR. Добрата новина: ** малко предварително обработване върви дълъг път**. Този ръководство ви дава практични, изпълняеми стъпки (съгласувани с гъстата в края) за почистване на изображения преди ОCR и за tune на двигателя за значително по-добри резултати.

Пълният пример

Предупреждения

  • .NET 8 (или .Net 6+) SDK
  • НУГЕТ : Aspose.OCR
  • (Възможно е Aspose.Total.lic Ако планирате да надхвърлите границите на оценката

Създайте приложение за конзола и добавете пакета:

dotnet new console -n OCRImprovementExample -f net8.0
cd OCRImprovementExample
dotnet add package Aspose.OCR

Стъпка 1 – Препроцесиране на изображения с ниско качество

Целта: намаляване на шума, нормализиране на контраста / яркостта и (опционално) издигане или отглеждане преди OCR.

1.1 Изтеглете изображението

using System;
using System.Drawing;
using System.IO;

// Step 1: Load the low-quality image
string imagePath = "low_quality_image.png";
if (!File.Exists(imagePath))
    throw new FileNotFoundException(imagePath);

Bitmap image = (Bitmap)Image.FromFile(imagePath);

// Optional: quick sanity check
Console.WriteLine($"Loaded {imagePath} ({image.Width}x{image.Height}px)");

1.2 Премахване на шума (среден филтър)

Използвайте среден филтър, за да потиснете шума от сол и пипер и JPEG артефакти.

using Aspose.Ocr.ImageProcessing;

// Median filter: try odd sizes 3, 5 (larger = stronger, but may blur small text)
var filterOptions = new FilterOptions
{
    MedianFilter = true,
    MedianFilterSize = 3
};

*Когато трябва да се промени: *

  • Ако все още виждате спекули, издигнете MedianFilterSize До 5* и до 5**.
  • Ако малки знаци изчезнат, изхвърлете обратно към 3 или го изключете.

1.3 Нормализиране на контраста / яркостта

Направете текста да излезе от фона.

var contrastOptions = new ContrastOptions
{
    // Positive values increase contrast/brightness; negatives decrease
    ContrastAdjustment = 20,   // try 10..30
    BrightnessAdjustment = 10  // try -10..+15 based on exposure
};
  • Правилата на тютюна: *
  • ** Прекалено изложена (измита):** намалява яркостта (например -10) и поддържа контраста умерена.
  • Неизложени (прекалено тъмни): увеличаване на яркостта (напр. +10) и контраста (н.е., ** +20**).

1.4 Изграждане на тръбопровод и предварителна обработка

var processingOptions = new ImageProcessingOptions();
processingOptions.Filters.Add(filterOptions);
processingOptions.Contrast = contrastOptions;

// (Optional) more options can be added here if your build exposes them
// e.g., processingOptions.Sharpen = new SharpenOptions { Strength = 1 };

using (var ocrEngine = new Aspose.Ocr.Api.OcrEngine())
{
    Bitmap preprocessed = ocrEngine.PreprocessImage(image, processingOptions);
    // Keep this for OCR below
    image.Dispose();
    image = preprocessed;
}

1.5 (опционално) Упскален малък текст

Ако текстът е много малък (<10px височина), изчислете преди OCR с висококачествено пресамулиране.

// 1.5 Optional: upscale 1.5x to help recognition of tiny text
Bitmap Upscale(Bitmap src, double scale)
{
    int w = (int)(src.Width * scale);
    int h = (int)(src.Height * scale);
    var dest = new Bitmap(w, h);
    using (var g = Graphics.FromImage(dest))
    {
        g.InterpolationMode = System.Drawing.Drawing2D.InterpolationMode.HighQualityBicubic;
        g.DrawImage(src, 0, 0, w, h);
    }
    return dest;
}

// Example usage
// image = Upscale(image, 1.5);

1.6 (опционално) култивиране на регион на интерес (ROI)

Ако се нуждаете само от една порция (напр. заглавие, фактури), култивиране, за да се намали плъзгането и грешката.

// Crop a rectangle (x,y,width,height)
Rectangle roi = new Rectangle(0, 0, image.Width, Math.Min(400, image.Height)); // top band
Bitmap cropped = image.Clone(roi, image.PixelFormat);
image.Dispose();
image = cropped;

1.7 (опционална) Бърза бинарност (DIY)

Ако цветовете на фона са сложни, конвертирайте към гравитационна скала и праг. (Използвайте това ** само ако** вашият OCR изграждане липсва специална опция за бинарност; това е просто падане.)

// Simple grayscale + global threshold (0..255); try 170..200
Bitmap ToBinary(Bitmap src, byte threshold = 185)
{
    var bw = new Bitmap(src.Width, src.Height);
    for (int y = 0; y < src.Height; y++)
    for (int x = 0; x < src.Width; x++)
    {
        var c = src.GetPixel(x, y);
        byte gray = (byte)(0.299 * c.R + 0.587 * c.G + 0.114 * c.B);
        byte v = gray >= threshold ? (byte)255 : (byte)0;
        bw.SetPixel(x, y, Color.FromArgb(v, v, v));
    }
    return bw;
}

// Example usage
// var bin = ToBinary(image, 190);
// image.Dispose();
// image = bin;

Стъпка 2 — Конфигуриране на настройките на OCR (опционално, ако е налично в съоръжението)

Някои Aspose.OCR строежи излагат настройките на нивото на двигателя.Ако пакетът ви ги има, задайте език и *страница индикации за подпомагане на сегментацията и разпознаването.

// Only if your build exposes these settings:
using Aspose.Ocr;

var settingsAvailable = false; // flip true if your API supports it
// Example (may vary by package version):
// ocrEngine.Settings.Language = RecognitionLanguages.English;
// ocrEngine.Settings.PageSegmentationMode = PageSegmentationMode.Auto;

*Кога да зададете: *

  • ** Смесени езици:** преминаване към подходящ език или мулти-езичен режим.
    • Блокиране на текстовете: * PageSegmentationMode.Auto или * Документален режим.
  • Форми / таблици: предпочитате *Документална сегментация; когато е възможно, отглеждате към региона.

Стъпка 3 – Извършете OCR & Evaluate

Това е точния поток от гъстата: препроцес → разпознаване → печат.

using System;
using System.Drawing;
using Aspose.Ocr;
using Aspose.Ocr.ImageProcessing;

namespace OCRImprovementExample
{
    class Program
    {
        static void Main(string[] args)
        {
            string imagePath = "low_quality_image.png";
            Bitmap image = (Bitmap)Image.FromFile(imagePath);

            // Preprocess (median + contrast/brightness)
            var filterOptions = new FilterOptions { MedianFilter = true, MedianFilterSize = 3 };
            var contrastOptions = new ContrastOptions { ContrastAdjustment = 20, BrightnessAdjustment = 10 };
            var processingOptions = new ImageProcessingOptions();
            processingOptions.Filters.Add(filterOptions);
            processingOptions.Contrast = contrastOptions;

            using (Aspose.Ocr.Api.OcrEngine ocrEngine = new Aspose.Ocr.Api.OcrEngine())
            {
                // Preprocess
                Bitmap preprocessedImage = ocrEngine.PreprocessImage(image, processingOptions);

                // OCR
                string recognizedText = ocrEngine.RecognizeImage(preprocessedImage);

                Console.WriteLine("Recognized Text:");
                Console.WriteLine(recognizedText);
            }
        }
    }
}

Извеждащ текст: напишете към файл за проверка:

File.WriteAllText("recognized.txt", recognizedText);

Симптом → Fix (Cheat-Sheet с опции за API)

SymptomКакво да опитамеКак да се създаде (код)
Спецъл шум / JPEG артефактиСреден филтър (3 → 5)new FilterOptions { MedianFilter = true, MedianFilterSize = 3 }
„Тъмно“Увеличаване на яркостта (+5..+15) и контраста (+10.. +25)new ContrastOptions { BrightnessAdjustment = 10, ContrastAdjustment = 20 }
* Измиване на пране*Намаляване на яркостта (-5..-15), умерени контрастиBrightnessAdjustment = -10, ContrastAdjustment = 10..20
* Много малък текст *Размер на размера × 1,25–× 1,75 След това ОКРimage = Upscale(image, 1.5);
* Голям шум / цветни шумове*Диетична бинарност или Crop ROIvar bin = ToBinary(image, 185); или image = image.Clone(roi, ...)
* Скенирани сканиране*Изтегляне (ако е изложено) или повторно сканиране(Ако вашата сграда показва опция Deskew, включете го; в противен случай растение & спасяване)
* Смесени езици *Определяне на езика на OCR(s) изрично(ако е налице) ocrEngine.Settings.Language = RecognitionLanguages.English;
* Таблица за съдържание*Плодовете в региона на таблицата преди ОКРimage.Clone(roi, image.PixelFormat)

Не всички сгради излагат едни и същи двигателни настройки. Ако нещата не са налични във вашия пакет, разчитайте на техниките за предварителна обработка на изображения** по-горе – те са API-стабилни и ефективни.

Най-добрите практики

  • Връщане в малки стъпки. Промяна на един параметър наведнъж (например, MedianFilterSize 3 → 5) и сравняване на резултатите.
  • Предпочита ROI. Кръпването до само съответната област често удари всеки филтър.
  • ** Избягвайте прекомерната обработка.** Прекалено много блури/упскалиране може да унищожи глифните форми.
  • Автоматични базели. Дръжте малък златен набор от трикови изображения и ги изпълнете в CI, за да откриете регресиите.
  • Save intermediates. Съхранявайте предварително обработени изображения на ./debug/ Снимка по време на туниране.

More in this category