การสแกนที่ไม่ดีภาพถ่ายโทรศัพท์แฟกซ์และภาพหน้าจอที่บีบอัดมักจะสูญเสีย OCR ข่าวดี: การประมวลผลก่อนเล็กน้อยเป็นทางยาว. คู่มือนี้จะให้คุณขั้นตอนที่ปฏิบัติและสามารถดําเนินการได้** (ตามลําดับที่สิ้นสุด) เพื่อทําความสะอาดภาพ ก่อน และเพื่อ ทูน มอเตอร์ OCR สําหรับผลลัพธ์ที่ดีขึ้นอย่างมาก
ตัวอย่างที่สมบูรณ
ข้อกําหนด
- .NET 8 (หรือ .Net 6+) SDK
- หมายเลข:
Aspose.OCR
- (ตัวเลือก )
Aspose.Total.lic
หากคุณวางแผนที่จะเกินข้อ จํากัด การประเมิน
สร้างแอปคอนโซลและเพิ่มแพคเกจ:
dotnet new console -n OCRImprovementExample -f net8.0
cd OCRImprovementExample
dotnet add package Aspose.OCR
ขั้นตอน 1 - การประมวลผลก่อนภาพที่มีคุณภาพต่ํา
**วัตถุประสงค์: **ลดเสียงรบกวน normalize ความต้านทาน / ความสว่าง และ (ทางเลือก) upscale หรือเพาะปลูกก่อน OCR
1.1 ดาวน์โหลดภาพ
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 การกําจัดเสียงรบกวน (กรองกลาง)
ใช้ตัวกรอง กลาง เพื่อยับยั้งเสียงเกลือและกระดาษและวัสดุ JPEG
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
};
**เมื่อต้องเปลี่ยนแปลง: *
- หากคุณยังคงเห็นกระจกเพิ่มขึ้น
MedianFilterSize
ไปยัง 5 - หากตัวอักษรขนาดเล็กหายไปให้ลงกลับไปที่ 3 หรือปิด
1.3 ปรับปรุงความต้านทาน / ความสว่าง
ทําให้ข้อความแสดงออกจากพื้นหลัง
var contrastOptions = new ContrastOptions
{
// Positive values increase contrast/brightness; negatives decrease
ContrastAdjustment = 20, // try 10..30
BrightnessAdjustment = 10 // try -10..+15 based on exposure
};
** กฎของ thumb:**
- การสัมผัสเกินไป (ล้างออก): ลดความสว่าง (เช่น -10) และรักษาความต้านทานที่เหมาะสม
- ภายใต้การสัมผัส (มืดเกินไป): เพิ่มความสว่าง (เช่น ** + 10**) และความต้านทาน (เป็น * + 20** )
1.4 การก่อสร้างท่อการประมวลผล & Preprocess
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 (ตัวเลือก) หมายเลขขนาดเล็ก
หากข้อความเป็น เล็กมาก (<10px ความสูง), upscale ก่อน OCR ใช้ตัวอย่างใหม่ที่มีคุณภาพสูง.
// 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 (ตัวเลือก) พืชภูมิภาคของความสนใจ (ROI)
หากคุณต้องการส่วนหนึ่งเท่านั้น (เช่นหัวข้อจํานวนเงิน) พืชเพื่อลดการกัดกร่อนและข้อผิดพลาด
// 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 (ตัวเลือก) การไบนารีแบบรวดเร็ว (DIY)
หากสีพื้นหลังมีความซับซ้อนให้แปลงเป็นสีเทาและขอบ (ใช้นี้ เท่านั้นถ้า โครงสร้าง OCR ของคุณไม่มีตัวเลือกไบนารีที่กําหนดเอง มันเป็นการลดลงง่าย)
// 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;
ขั้นตอน 2 — การตั้งค่า OCR (ตัวเลือกถ้ามีในโครงสร้างของคุณ)
บาง Aspose.OCR สร้างการแสดงให้เห็นการตั้งค่าระดับมอเตอร์ หากแพคเกจของคุณมีพวกเขาให้กําหนดคําแนะนํา ภาษา และ การจัดตั้งหน้า เพื่อช่วยในการแบ่งและรับรู้
// 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;
เมื่อตั้งค่า:
- **ภาษาผสม: **เปลี่ยนเป็นภาษาที่เหมาะสมหรือโหมดหลายภาษา
- ** บล็อกข้อความเดสก์ท็อป:**
PageSegmentationMode.Auto
หรือ ** โหมดเอกสาร** - รูปแบบ/ตาราง: предпочитаการแบ่งแบบ เอกสาร; พืชไปยังภูมิภาคเมื่อเป็นไปได้
ขั้นตอน 3 – Run OCR & Evaluate
นี่คือ การไหลที่แม่นยํา จากแกะสลัก: Preprocess → Recognize → Print.
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);
}
}
}
}
**การส่งออกข้อความ:**เขียนลงในไฟล์สําหรับการตรวจสอบ:
File.WriteAllText("recognized.txt", recognizedText);
อาการ → Fix (Cheat-Sheet ด้วยตัวเลือก API)
Symptom | สิ่งที่จะลอง | วิธีการตั้งค่า (รหัส) |
---|---|---|
เสียงรบกวน / วัสดุ JPEG | ตัวกรองกลาง (3 → 5) | new FilterOptions { MedianFilter = true, MedianFilterSize = 3 } |
*สีดํา * | เพิ่มความสว่าง (+5..+15) และความต้านทาน (+10.. +25) | new ContrastOptions { BrightnessAdjustment = 10, ContrastAdjustment = 20 } |
*ล้างออก * | ความสว่างลดลง (-5..-15), ความต้านทานที่ moderate | BrightnessAdjustment = -10, ContrastAdjustment = 10..20 |
ข้อความขนาดเล็กมาก | สูงสุด × 1.25–× 1.75 จากนั้น OCR | image = Upscale(image, 1.5); |
เสียงรบกวนพื้นหลัง / สี | DIY คุบสังกะสีหรือ Crop ROI | var bin = ToBinary(image, 185); หรือ image = image.Clone(roi, ...) |
**การสแกนที่ซับซ้อน * | Deskew (ถ้ามีการสัมผัส) หรือ re-scan straighter | (หากโครงสร้างของคุณแสดงให้เห็นถึงตัวเลือก Deskew ให้เปิดใช้งาน; อื่น ๆ crop & rescan) |
*ภาษาผสม * | การตั้งค่าภาษา OCR(s) อย่างชัดเจน | (ถ้ามี) ocrEngine.Settings.Language = RecognitionLanguages.English; |
เนื้อหาแท็บเล็ต | พืชไปยังภูมิภาคตารางก่อน OCR | image.Clone(roi, image.PixelFormat) |
ไม่ทั้งหมดของโครงสร้างแสดงให้เห็นถึงการตั้งค่าของเครื่องเดียวกัน** หากคุณไม่สามารถใช้ในแพคเกจของคุณขึ้นอยู่กับเทคนิคการประมวลผลก่อนหน้าของภาพด้านบน – พวกเขาเป็น API ที่มั่นคงและมีประสิทธิภาพ
แนวทางที่ดีที่สุด
- การสั่นสะเทือนในขั้นตอนขนาดเล็ก เปลี่ยนพารามิเตอร์หนึ่งครั้ง (เช่น
MedianFilterSize
3 → 5) และเปรียบเทียบผลไม้ - โปรด ROI. การเชื่อมโยงไปยังพื้นที่ที่เกี่ยวข้องเท่านั้นมักจะขัดกรองใด ๆ
- หลีกเลี่ยงการประมวลผลมากเกินไป บลู / อัปสแคลนจํานวนมากสามารถทําลายรูปร่างของ glyph
- ** Baselins อัตโนมัติ.** เก็บชุดขนาดเล็กของภาพทองและเรียกใช้พวกเขาใน CI เพื่อตรวจจับการย้อนกลับ
- บันทึกตัวกลาง. บันทึกภาพที่ได้รับการประมวลผลแล้วไปยัง A
./debug/
โฟลเดอร์ในระหว่างการดูด