Image processing 使用leptonica（反彩色文本）的OCR图像处理

我正在尝试使用leptonica处理以下图像，以使用tesseract提取文本

原始图像：

对原始图像进行细分会产生以下结果：

i s l
D2J1FiiE-l191x1iitmwii9 uhiaiislz-2 Q ~37
Bottom linez
With a little time!
you can learn social media technology
using free online resources-
And if you donity
youlll be at a significant disadvantage
to
other HOn-pFOiiTS-

不太好，尤其是顶部背景。因此，使用leptionica，我使用背景去除算法（模糊、差异、阈值、反转）获得以下图像：

但tesseract在这方面做得并不好：

@@r-mair lkrm@W lh@w ilr@ mJs@ iklh@ ii@c2lhm1@ll
mm Mime
VWU1 a Mitt-Jle time-
@1m ll@@Wn Om @@@lh1
using free onhne resources-
Andifyoudoni
9110 ate a $0 D
to other non-profrts
I

---

主要的问题似乎是，现在所有的文本都是轮廓，而不是实体。如何调整算法或添加什么使文本成为实体？

本文似乎提出了一种二值化方法来解决您的问题：

卡萨尔、库马尔和罗摩克里希南。（2007年）

---

太好了。在我接受答案之前，你不知道这个算法的一个实现，是吗？不，不幸的是，我不知道是否存在一个实现。我用python和opencv做了一个实现。谢谢这是一个巨大的努力，看起来很有希望，但现在的文本看起来像是从一些档案中挖掘出来的，基本上文本对读者来说不是很清晰，就像你在上面最右边（c）看到的那样