Matlab 基于MSER的图像文本检测

我试图按照本教程使用Matlab检测图像中的文本

作为第一步，本教程使用

detectMSERFeatures

检测图像中的文本区域。但是，当我在图像上使用此步骤时，不会检测到文本区域

以下是我正在使用的代码片段：

colorImage = imread('demo.png');
I = rgb2gray(colorImage);
% Detect MSER regions.
[mserRegions] = detectMSERFeatures(I, ...
    'RegionAreaRange',[200 8000],'ThresholdDelta',4);
figure
imshow(I)
hold on
plot(mserRegions, 'showPixelList', true,'showEllipses',false)
title('MSER regions')
hold off

这是原始图像

这是第一步之后的图像

[！[在此处输入图像描述][2][2]

更新

我已经使用了参数，但似乎没有一个参数能够完美地检测文本区域。有没有比调整数字更好的方法？调整参数对我可能拥有的大量图像不起作用

我尝试过的一些参数及其结果：

[mserRegions] = detectMSERFeatures(I, ...
    'RegionAreaRange',[30 100],'ThresholdDelta',12);



[mserRegions] = detectMSERFeatures(I, ...
    'RegionAreaRange',[30 600],'ThresholdDelta',12);

---

免责声明：完全未经测试

尝试减少

MaxAreaVariation

，因为您的文本和背景几乎没有变化（减少误报）。你应该能够把它调低很多，因为它看起来像是数字生成的文本（如果它是文本的图片，就不能工作）

尝试减小

区域后范围的最小值，因为小字符可能小于200像素（增加真正数）。200岁时，你可能会过滤掉大部分文本

尝试增加
ThresholdDelta
，因为您知道文本和背景之间存在明显的对比（减少误报）。这在过滤方面不如
MaxAreaVariation
有效，但应该会有所帮助。
尝试减少“MaxAreaVariation”，因为您的文本和背景变化很小（减少误报），减少“RegionAreaRange”的最小值，因为小字符可能小于200像素（增加真阳性），并增加“阈值增量”，因为你知道文本和背景之间存在明显的对比（减少假阳性）。@kmac，你应该回答这个问题。我根本没有测试它……如果它真的有效，我想我可以。：）我玩了很多数字，但似乎没有一个能完美地检测到文本区域。有没有比简单地调整数字更好的方法我已经更新了问题。你有更多关于你想做什么的信息吗？文本/背景是否总是相同的颜色？文本是否始终位于平坦的背景上？MSER是一个比您使用它更通用的工具。你最好屏蔽确切的背景和文本像素值，而不是使用MSER。我的目标是提取文本区域，然后将它们发送到ocr。我在opencv中已经有了一个解决方案，它使用了几个阈值步骤来获取文本区域。但是，它并不能对所有图像都有效，因为它不是基于算法的，而是基于步骤的（即阈值、canny等）。文本将始终比背景亮。我在SO上遇到了另一个使用SWT的答案：我认为这会起作用，但不会。我可以问一个单独的问题。因此，你应该能够立即过滤掉上面例子中填写的字母（o、a、b等），确保该功能是亮对暗。您可能必须处理一些误报，无论采用何种方法（可能从OCR中删除那些分数较低且与其他检测到的字符不相邻的字符）。尝试使用
regionarrange
，类似于[8 1000]，并在
MaxAreaVariation
和
ThresholdDelta
的限制之前更容易接受。如果这不起作用，祝SWT好运。