Php Tesseract OCR：获取文本坐标并提高最终OCR的视频帧质量

我正在使用tesseract OCR对视频帧进行文本识别

我编写了一个程序，使用

ffmpeg

获取视频的所有主帧，并裁剪它们（使用静态值）以使文本居中（例如，字幕）

我还使用

ImageMagick

和

TextCleaner

脚本，它们像魔术一样提高了OCR的质量

不管怎么说，有时候我的视频质量不太好，或者视频大小有点小，或者裁剪的文本不居中（因为值是staitc），OCR结果非常糟糕

我的问题是：如何检测文本在中的正确位置以进行性能裁剪？ 这将提高OCR的质量并获得更好的结果

---

如有任何建议，将不胜感激。谢谢。

您可以尝试使用边缘检测，也可以结合其他方法。像这样（纯粹的边缘检测）：

或：

以下是两个结果：

另一个选项是减少颜色数量，应用对比度拉伸和（可选）阈值：

convert                 \
   big.jpg              \
  -colors 400           \
  -contrast-stretch 25% \
   colors-400-contraststretch-25.png

convert                 \
   big.jpg              \
  -colors 400           \
  -contrast-stretch 25% \
  -threshold 50%        \
   colors-400-contraststretch-25-threshold-50.png

更新：“canny”边缘检测 您可能还想玩

-canny

。它实现了“canny”边缘检测算法，自版本6.8.9-0起出现在ImageMagick中。将其与

-对比度拉伸

和

-色彩空间灰色

结合使用：

convert big.jpg         \
  -colorspace gray      \
  -contrast-stretch 45% \
  -canny 0x1+10%+30%    \
   canny1.png

convert big.jpg         \
  -colorspace gray      \
  -contrast-stretch 45% \
  -canny 0x2+10%+30%    \
   canny2.png

---

您可以添加（链接到）两个帧的样本：一个“好”，一个“坏”（需要检测文本位置）？嗨，文本位置不一样：例如，在本文中，文本是上下的，分辨率不好。否则，另一个分辨率更大，效果更好。另一个小例子，你可以在这另一个。非常感谢。如果文本始终位于彩色框中，这将是一个重要的细节。如果盒子总是更蓝。我试过你的建议，这种方法不能改善我的结果，但我不知道，+1！非常感谢，我会用它做一些测试。

convert                 \
   big.jpg              \
  -colors 400           \
  -contrast-stretch 25% \
   colors-400-contraststretch-25.png

convert                 \
   big.jpg              \
  -colors 400           \
  -contrast-stretch 25% \
  -threshold 50%        \
   colors-400-contraststretch-25-threshold-50.png

convert big.jpg         \
  -colorspace gray      \
  -contrast-stretch 45% \
  -canny 0x1+10%+30%    \
   canny1.png

convert big.jpg         \
  -colorspace gray      \
  -contrast-stretch 45% \
  -canny 0x2+10%+30%    \
   canny2.png