Python 字符识别的最佳算法

我正试图创建一个硬编码字幕翻录从视频

到目前为止，我已经做了一些预处理

获取字幕框

裁剪字幕行

分开的字幕行

单独的字符

主要的部分，即字符识别，仍然没有完成。我尝试使用tesseract，但准确率约为60%。我还试着训练角色图像，然后比较它们。但当我在不同分辨率的视频上运行时，它严重失败

以下是迄今为止的结果。（原始图像、阈值、文本增强、分隔字符）

我确实通过了K均值和使用结构相似性比较图像。但对我来说什么都不管用。正如您在上面看到的，图像文本非常清晰

编辑：

问题：我想将准确率提高到95%或以上，因为所有视频中的文本都相似，我能够获得如上所示的清晰文本或字符。在我的案例中，我能尝试的最佳方法是什么

---

注：语言是克罗地亚语

我建议两件事：

在图像清理中多玩一点

获得更好的OCR。Tesseract是免费的，但不是最好的。如果你的预算允许，你可以考虑一些商业性的。例如：这一个有一些免费的识别，至少足够玩，看看它是否适合你

我试了一下你的最新照片（所有清洗后的照片），在上，它几乎完全被认出来了-见下文。比60%的错误要好得多。我相信，通过更好的图像预处理，您可以进一步提高准确性

---

免责声明：我为ABBYY工作。

看起来你得到了不错的结果！你还没有问过一个问题-你在问什么？@ChristopherShroba:编辑过的问题。你试过tesseract吗？@Miki:是的，正如问题中提到的，tesseract不适合我的情况。哦，我错过了。。。然而，有了适当的预处理和正确的字典，应该比60%更好，我正在开发一个开源应用程序。它能够从视频中提取硬sub并生成srt文件，然后将其翻译成目标语言。这就是为什么付费sdk不是一个选项。另外，我需要准确度，否则翻译会搞砸。这就是为什么我的观点是..有没有像K-Mean或SVM这样的算法可以用于二进制文本图像？（如上所示的明文）如果是，那么在二进制文本图像上实现的任何指导原则？。通过这种方式，我将能够在所有语言SBTW上使用ML实现OCR，+1表示ABBYY。我试过多个二进制图像…精度很好。很抱歉这么说，但好的东西你得付钱。如果高精度的光学字符识别像你想的那样简单，那么它已经可以使用了。ABBYY已经投入了数百人-年的工程技术来达到现在的精度。Tesseract曾经也是HP的商业产品，后来他们决定将其开源。我认为几十位非常聪明的工程师alrady投入了大量的时间来完善它，但它还远远不够完美。你认为你能做得更好吗？单独地好的，祝你好运。