Jak wybrać między Tesseract a OpenCV? [Zamknięte]

Niedawno natknąłem się na Tesseract i OpenCV . Wygląda na to, że Tesseract to pełnoprawny silnik OCR, a OpenCV może być używany jako platforma do tworzenia aplikacji / usługi OCR.

Próbowałem użyć Tesseract na niektórych moich obrazach i jego dokładność wydaje się przyzwoita. Później natknąłem się na bardzo prosty samouczek dotyczący używania OpenCV do wykonywania OCR w Pythonie i byłem pod wrażeniem. W ciągu kilku minut skończyłem szkolenie systemu i jego dokładność była dobra. Ale oczywiście takie podejście oznacza, że ​​muszę intensywnie trenować swój system przy użyciu dużego zestawu treningowego.

Moje konkretne pytania są następujące:

• Jak wybrać między Tesseract a użyciem OpenCV do zbudowania niestandardowej aplikacji OCR?
• Dostępne są zestawy danych szkoleniowych dla Tesseract dla różnych języków. Czy OpenCV ma coś podobnego, abym nie musiał zaczynać od podstaw, aby osiągnąć OCR?
• Który z nich jest lepszy w przypadku niedoszłej komercyjnej aplikacji?

Jakieś sugestie?

• Tesseract to silnik OCR. Jest używany, opracowany i finansowany przez Google specjalnie do odczytywania tekstu z obrazów, wykonywania podstawowej segmentacji dokumentu i operowania na określonych wejściach obrazu (pojedyncze słowo, wiersz, akapit, strona, ograniczone słowniki itp.).

• Z drugiej strony OpenCV to biblioteka widzenia komputerowego, która zawiera funkcje, które pozwalają na wyodrębnianie niektórych cech i klasyfikację danych. Możesz stworzyć prosty moduł do segmentowania liter i klasyfikator, który wykonuje podstawowe OCR, ale nie jest to bardzo dobry silnik OCR (wcześniej zrobiłem go w Pythonie od zera. Jest naprawdę niedokładny dla danych wejściowych, które odbiegają od danych treningowych).

Jeśli chcesz uzyskać podstawową wiedzę o tym, jak trudne jest OCR, wypróbuj OpenCV. Tesseract służy do prawdziwego OCR.

Jestem autorem wspomnianego samouczka rozpoznawania cyfr i powiedziałbym, że nie zastąpi to tesseraktu.

Tesseract to naprawdę dobry silnik OCR, może być najlepszym silnikiem OCR OpenSource.

Samouczek, o którym wspomniałeś, jest tylko próbą zrozumienia najprostszego działania OCR.

Tak więc, jeśli szukasz aplikacji OCR, polecam użycie OpenCV do wstępnego przetworzenia obrazu, a następnie zastosowanie silnika tesseract.

Te dwie możliwości mogą się uzupełniać. Jeśli czytasz artykuł o OpenCV: https://github.com/tesseract-ocr/docs/blob/master/tesseracticdar2007.pdf

Podkreśla, że ​​„Ponieważ firma HP niezależnie opracowała technologię analizy układu strony, która była używana w produktach (a zatem nie została wydana na potrzeby oprogramowania open source), Tesseract nigdy nie potrzebował własnej analizy układu strony. Dlatego Tesseract zakłada, że ​​jego dane wejściowe są zdefiniowano opcjonalne regiony tekstu wielokątnego. "

Tego typu zadanie może zostać wykonane przez OpenCV, a wynikowy obraz przekazać Tesseract. Próbkę tego typu kodu znajdziesz w repozytorium Git: https://github.com/Itseez/opencv_contrib/tree/master/modules/text/samples Przykłady używają interfejsów API Tesseract do konwersji obrazu na tekst.

OpenCV to biblioteka CV , używana do analizy i ogólnego przetwarzania obrazów. Tesseract to biblioteka OCR , która jest wyspecjalizowanym podzbiorem CV poświęconym wyodrębnianiu tekstu z obrazów.

Z OpenCV.org

..... używane do wykrywania i rozpoznawania twarzy, identyfikowania obiektów, klasyfikowania ludzkich działań w filmach, śledzenia ruchów kamery, śledzenia poruszających się obiektów, wyodrębniania modeli 3D obiektów, tworzenia chmur punktów 3D z kamer stereo, łączenia obrazów w celu uzyskania wysokiej Rozdzielczość obrazu całej sceny, znajdowanie podobnych obrazów w bazie danych obrazów, usuwanie efektu czerwonych oczu ze zdjęć wykonanych przy użyciu lampy błyskowej, śledzenie ruchów oczu, rozpoznawanie scenerii i tworzenie znaczników, aby pokryć ją rozszerzoną rzeczywistością itp.

Z Tesseract Github :

..... może być używany bezpośrednio lub (w przypadku programistów) za pomocą interfejsu API do wyodrębniania tekstu pisanego, pisanego ręcznie lub drukowanego z obrazów. Obsługuje szeroką gamę języków.