Migliorare la precisione OCR da documenti digitalizzati

Question

Sto scansione di un sacco di documenti A3 utilizzando uno standard Fratello A3 multifunzione e quindi utilizzare FineReader Pro per OCR'ing le immagini.

Comunque, sto ricevendo un sacco di errori nei caratteri riconosciuti, e un sacco di strani caratteri non alfanumerici.

Qualcuno può darmi qualche consiglio per migliorare a livello di codice la precisione dell'OCR, sia pre-elaborazione delle immagini acquisite, o post-elaborazione del testo riconosciuto?

---

Modifica: Trova un campione pdf . Esso comprende alcune immagini di esempio da cui ottenere i risultati più poveri.

Answer 1

Avete un immagine di esempio è possibile inserire da qualche parte allora possiamo rapidamente dirvi che cosa sta causando la maggior parte dei vostri problemi. FineReader è uno dei migliori motori OCR là fuori quindi ci sono sicuramente motivi per cui si stanno ottenendo scarsi risultati.

Si potrebbe essere correlato alle impostazioni di scarso contrasto e di soglia, immagine inclinandolo rulli sporchi nello scanner, sfondi complessi e colorati, sfondi con retinatura, font di dimensioni troppo piccole, la scansione dpi troppo bassa ecc ...

Dopo aver visto l'immagine allegata ci sono alcuni piccoli problemi.

1. Ci sono un sacco di macchie sporche su sfondo della pagina. FineReader sembra fare un lavoro ragionevole con questo sulle immagini.
2. C'è qualche lieve inclinazione, ma che non sta causando e problemi.
3. FineReader è sempre confuso con Bold caratteri Arial tipo alto utilizzato per le intestazioni delle colonne.
   4 Un grosso problema sembra essere la regione inferiore delle pagine in cui il contrasto è scarsa e l'immagine è sfocata. Questo sembra essere un problema con lo scanner, ma potrebbe essere dovuto a problemi di stampa.

La stampa è piuttosto scarsa e sto indovinando che è una scansione da un giornale. La maggior parte dei vostri errori sono dovuti a problemi di scansione quindi sarebbe duro per migliorare i risultati a livello di codice.

In primo luogo, vorrei provare la scansione l'immagine in scala di grigi con una risoluzione leggermente più alto e vedere se questo aiuta. FineReader funziona bene con le immagini in scala di grigi. Se si deve avere un B image / W poi vedere se il driver dello scanner include un'impostazione per dinamica della soglia e accenderlo.

Le immagini non sarebbe stato un compito facile per qualsiasi motore OCR. Otterrete risultati migliori se è possibile migliorare la scansione. Page 3 ha un sacco di rumore nell'angolo in basso a destra.

Quale versione di FineReasder stai usando? FR10 sarebbe probabilmente dare risultati migliori rispetto alle versioni precedenti.