اسکن های ضعیف، عکس های تلفن، فکس ها و تصاویر صفحه نمایش فشرده اغلب OCR را شکست می دهند.خبر خوب: یک پیش پردازش کوچک راه طولانی را طی می کند.این راهنمای به شما گام های عملی و قابل اجرا را می دهد (در پایان با خروپف مطابقت دارد) برای تمیز کردن تصاویر ** قبل از **OCR و برای **نمایش ** موتور O CR برای نتایج به طور قابل توجهی بهتر.
نمونه کامل
پیش شرط
- نرم افزار .NET 8 (یا .Net 6+)
- نوکیا :
Aspose.OCR
- ( انتخابی )
Aspose.Total.lic
اگر قصد دارید از محدودیت های ارزیابی فراتر بروید
یک برنامه کنسول ایجاد کنید و بسته را اضافه کنید:
dotnet new console -n OCRImprovementExample -f net8.0
cd OCRImprovementExample
dotnet add package Aspose.OCR
مرحله 1 - پیش پردازش تصاویر با کیفیت پایین
**هدف: ** کاهش سر و صدا، به طور معمول کنتراست / روشنایی، و (به صورت اختیاری) بالا و یا کاشت قبل از OCR.
1.1 تصویر را بارگذاری کنید
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 حذف سر و صدا (فیلتر متوسط)
از یک فیلتر ** متوسط** برای سرکوب صدا نمک و فلفل و آثار JPEG استفاده کنید.
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
};
تغییر زمانی :
- اگر در حال تماشای آینه هستید، بالا بروید.
MedianFilterSize
تا * 5 * . - اگر کاراکترهای کوچک ناپدید شوند، به 3 برگردید یا آن را خاموش کنید.
1.3 استاندارد کنتراست / روشنایی
متن را از پس زمینه خارج کنید.
var contrastOptions = new ContrastOptions
{
// Positive values increase contrast/brightness; negatives decrease
ContrastAdjustment = 20, // try 10..30
BrightnessAdjustment = 10 // try -10..+15 based on exposure
};
** قواعد تامبو :**
- ** بیش از حد (تمیز):** درخشش را کاهش می دهد (به عنوان مثال، -10) و کنتراست را به طور متوسط حفظ می کند.
- ** عدم قرار گرفتن در معرض (بیش از حد تاریک): ** افزایش درخشش (به عنوان مثال، +10) و کنتراست (برای مثال +20*).
1.4 ساخت خط لوله و پیش پردازش
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 (اختیاری) Upscale متن کوچک
اگر متن بسیار کوچک (<10px ارتفاع) است، با استفاده از نمونه برداری با کیفیت بالا، **قبل از ** OCR را بالا ببرید.
// 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 (اختیاری) کاشت یک منطقه منافع (ROI)
اگر شما فقط نیاز به یک وعده (به عنوان مثال، عنوان، کل صورتحساب)، محصول برای کاهش خراش و خطا.
// 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 (اختیاری) سریع دوگانه سازی (DIY)
اگر رنگ های پس زمینه پیچیده هستند، آن را به مقیاس خاکستری و محدوده تبدیل کنید. (استفاده از این ** فقط اگر ** ساختار OCR شما یک گزینه دوگانه اختصاص داده نشده است؛ این یک سقوط ساده است.)
// 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;
مرحله 2 – تنظیم تنظیمات OCR (اختیاری، اگر در ساخت شما در دسترس باشد)
برخی از Aspose.OCR ساختمان ها تنظیمات سطح موتور را نشان می دهد.اگر بسته شما آنها را دارد، تنظیم ** زبان** و ** طرح صفحه** راهنمایی برای کمک به تقسیم بندی و تشخیص.
// 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;
- چه زمانی باید تنظیم شود: *
- ** زبان های مخلوط:** به حالت زبان یا چند زبانه مناسب تغییر دهید.
- تصویری از بلوک های متن :
PageSegmentationMode.Auto
و یا در حالت ** اسناد**. - ** فرم ها / جدول ها: ** ترجیح می دهم ** اسناد** تقسیم؛ هر زمان که ممکن است به منطقه کاشته شود.
مرحله 3 – اجرا OCR & ارزیابی
این است ** جریان دقیق** از گندم: پیش پردازش → تشخیص → چاپ.
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);
}
}
}
}
نص صادرات: به یک فایل برای بازرسی بنویسید:
File.WriteAllText("recognized.txt", recognizedText);
علائم → Fix (Cheat-Sheet با گزینه های API)
Symptom | چه چیزی را امتحان کنید | چگونگی تنظیم (کد) |
---|---|---|
نمایش صدا / اسناد JPEG | فیلتر متوسط (3 → 5) | new FilterOptions { MedianFilter = true, MedianFilterSize = 3 } |
* تاریک است * | روشنایی را افزایش دهید (+5+15) و کنتراست (+10+25) | new ContrastOptions { BrightnessAdjustment = 10, ContrastAdjustment = 20 } |
تغییرمسیر | کاهش درخشش (۵.۱۵)، کنتراست متوسط | BrightnessAdjustment = -10, ContrastAdjustment = 10..20 |
* متن بسیار کوچک * | در مقیاس 1.25×1.75 پس از آن OCR | image = Upscale(image, 1.5); |
*خاکستری / رنگ سر و صدا | DIY دوگانه سازی یا Crop ROI | var bin = ToBinary(image, 185); یا image = image.Clone(roi, ...) |
* اسکریپت اسکن* | دکوراسیون (در صورت قرار گرفتن در معرض) یا اسکن مجدد | (اگر ساختمان شما یک گزینه Deskew را نشان می دهد، آن را فعال کنید؛ در غیر این صورت کاشت و نجات) |
* زبان های مخلوط * | تنظیم زبان OCR(s) به صراحت | (اگر در دسترس باشد) ocrEngine.Settings.Language = RecognitionLanguages.English; |
* محتوای تبلت * | زراعت در منطقه جدول قبل از OCR | image.Clone(roi, image.PixelFormat) |
اگر یک دارایی در بسته شما در دسترس نیست، بر روی تکنیک های پیش پردازش تصویر بالا تکیه کنید – آنها API پایدار و موثر هستند.
بهترین شیوهها
- نمایش در مراحل کوچک. تغییر یک پارامتر در یک زمان (به عنوان مثال،
MedianFilterSize
3 → 5) و مقایسه خروجی. - ** ROI را ترجیح می دهم.** کاشتن به منطقه مربوطه اغلب هر فیلتر را ضربه می زند.
- از فرآیند بیش از حد اجتناب کنید. زیاد خروپف می تواند اشکال گلیف را نابود کند.
- بازل های اتوماتیک. یک مجموعه کوچک طلایی از تصاویر خنده دار نگه دارید و آنها را در CI اجرا کنید تا بازخورد را تشخیص دهید.
- Save intermediates. ذخیره تصاویر پیش پردازش شده به یک
./debug/
فاکتورها در هنگام تنگ کردن