Nano Hash - криптовалюты, майнинг, программирование

Очистка изображения для чтения чисел Pytesseract

Я пытаюсь прочитать некоторые записи из таблицы данных, заполненной именем, а затем столбцами чисел. Вот исходное изображение:

введите здесь описание изображения

Между бинаризацией, преобразованием в черно-белое и просто инвертированием я обнаружил, что инвертирование изображения дает наилучшие результаты.

 image = PIL.ImageOps.invert(image

Это позволяет мне обрабатывать примерно 90%+ столбцов, которые у меня есть, когда я прокручиваю вниз до большего количества изображений, но я все еще терплю неудачу с кучей из них. Иногда скобки в столбцах объединяют два числа, которые у меня есть в каждом столбце. Можно ли как-то исправить проблемы со скобками, которые смешиваются с числами, или, может быть, удалить весь зеленый текст?

python python-imaging-library python-tesseract image-preprocessing
12.08.2019

Ответы:


1

Изменение размера изображения, казалось, было вариантом, который устранил проблемы.

image = pyautogui.screenshot(region=(550, 354, 964, 552))
width, height = image.size
image = image.resize((args.resize*width, args.resize*height))

Я изменил размер как минимум в 3 раза от исходного размера. Я предполагаю, что это увеличило расстояние между символами, упростив распознавание конца одной цифры и следующей за ней скобки.

В качестве альтернативы, следующее является еще большим улучшением:

image = cv2.imread(output)
image = cv2.bitwise_not(image)
image = cv2.resize(image, None, fx=1.5, fy=1.7,
                               interpolation=cv2.INTER_CUBIC)  # scale
cv2.imwrite(output, image

Масштабирование нелинейное, и если вы немного его перекосите, оно будет работать лучше.

13.08.2019
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..