Python 图像噪声匹配图像文本

因此，我一直在阅读使用TensorFlow和Keras的机器学习，我一直在尝试使用一些自定义图像设置一个数据集，并尝试学习脚本来识别文本，同时过滤掉噪声，但问题是噪声颜色是相同的，文本颜色导致过滤掉所有内容

我不是要求得到勺子，我只是想要指向解决/训练脚本解决图像上文本的最佳方法的指针

我要找的是让脚本在屏幕上阅读，计算隐藏在图像中的单词，并在命令行中打印结果

没有示例代码，因为之前的一切都是失败的，而不是我真正想要的。

---

在开始项目之前，您应该检查数据的“质量”，以及它对实时应用程序或项目的价值，如果图像不容易被人类读取，那么使用此类数据进行训练是有点错误的，因为人类往往非常善于从视觉上识别事物，很多时候，“偏差误差”都是根据这一点来计算的。
不管怎样，如果你的目标是阅读图像中有噪音的文本，你可以尝试以下技巧，这些技巧摘自Andrew Ng教授的在线课程：“改进深层神经网络：超参数调整、正则化和优化”：

1-在普通和明文图像上训练数据，因为 它可以让你的算法从清晰的图像中学习很多特征和初始属性，比如字母的形状，有时你可能会对结果感到惊讶

2-让你的开发集（和你的测试集）包含大量有噪音的文本图像，这样你就可以检查你的算法在你真正关心的数据上的表现（你的目标）

3-更改数据集可能有点困难，但如果噪声使foto的一部分甚至对人类来说也难以读取，则此数据集可能没有用处。（并非总是如此） 因此，您可以将噪声清晰的图像与噪声图像混合（从旧图像中创建一个新数据集），使其保持真实且不太机械，然后在新数据上训练算法

构建一个好的ML算法或应用程序首先取决于您的数据，这些只是一些符号，可以帮助您以另一种方式思考问题。

a）您可以尝试的一件事是获取明文图像的数据，通过向图像中添加人工噪声并将其作为输入来训练图像去噪，训练GAN或类似网络，将图像通过该网络，然后将其传递给文本检测器/ocr引擎（如pytesseract或google vision ocr）

B） 在可能的字符集（如YOLO或FasterRCNN）上训练图像检测器，并添加噪声，您可以通过再次人为地向数据添加噪声来实现这一点，但可能需要一些手动注释

C） 您可以尝试类似的方法，检查图像中的所有字母/已知字符，然后合并结果。我个人更喜欢这个

另外，我还没有完全阅读C语言链接的文章，但是你链接的图像似乎更接近于用单发分割法来解决，而不是训练一个GAN

---

PPS。根据您在问题下的评论，确保创建验证码解决机器人不会违反使用该网站的任何法律条件（出于某种原因，我觉得有义务这么说。）

您有办法生成这些图像吗？每次刷新页面时都会生成这些图像，这是为一个网站使用验证码之前，你可以加载到下一页OK，所以你没有方法生成这些图像。这意味着您没有基于简单机器学习方法的正确数据。第0步是访问正确的（数量）数据。什么是良好的数据量？1000张图片？我无法访问文件或任何东西这取决于一点，但我猜大概是

100000

注释图像（即，您应该“阅读”的图像和文本）。