TextRecognize của Mathematica không tối đa

Question

Vui lòng xem ảnh chụp màn hình bên dưới và xem bạn có thể cho tôi biết lý do tại sao điều này không hoạt động. Các ví dụ trên trang tham chiếu cho TextRecognize trông khá ấn tượng, tôi không nghĩ rằng việc nhận ra các chữ cái đơn như thế này sẽ là một vấn đề. Tôi đã thử thay đổi kích thước các chữ cái cũng như có hình ảnh sắc nét.

Để thuận tiện trong trường hợp bạn muốn tự mình thử, tôi đã bao gồm hình ảnh mà tôi sử dụng ở cuối bài đăng này. Bạn cũng có thể tìm thấy nhiều hơn thế này bằng cách tìm kiếm "Wordfeud" trong Tìm kiếm hình ảnh của Google.

Answer 1

Câu hỏi rất mát mẻ!

TextRecognize sử dụng chẩn đoán để nhận dạng toàn bộ từ từ tiếng Anh. Đây là các Gotcha mà làm cho nhận chữ đơn rất khó

Hãy xem xét các dòng sau tư tưởng:

s = Import["http://i.stack.imgur.com/JHYuh.png"]; 
p = ImagePartition[s, 32] 

Bây giờ chọn chữ để tạo thành 'EXIT' từ tiếng Anh:

x = {p[[1, 13]], p[[6, 6]], p[[3, 13]], p[[1, 12]]} 

Bây giờ làm sạch những hình ảnh này một chút, như vậy:

d = ImageAssemble[ Map[ImageTake[#, {3, 27}, {2, 20}] &, x ]]; 

Rồi này trả về chuỗi "EXIT":

TextRecognize[d] 

Answer 2

Tôi nghĩ chất lượng của hình ảnh của bạn có thể ảnh hưởng. Binarizing hình ảnh của bạn đã không giúp đỡ: công nhận là zilch. Tôi cũng đã thử một hình ảnh đen trắng rất rõ ràng về giải pháp câu đố ô chữ. (xem bên dưới) Một lần nữa, không có gì được nhận ra dù ở định dạng thông thường hay được binarized.

Vì vậy, tôi loại bỏ các nền đen chỉ để lại các chữ cái và khung màu đen mỏng của họ. Một lần nữa, sự công nhận là khoảng 0%.

Khi tôi xóa khung hình xung quanh một số chữ cái VÀ binarized hình ảnh, những phần duy nhất có thể nhận ra được là những khu vực không có gì khác ngoài chữ cái. (Xem bên dưới) Thông báo

trong đầu ra dưới đây, ANTS, lốp xe, và TEXAS được xác định một cách chính xác (cũng như vec tơ), nhưng chỉ là về không có gì khác.

Cũng lưu ý rằng, mặc dù các chuỗi được đặt cách nhau rộng rãi, mma diễn giải chúng dưới dạng từ, chứ không phải là các chữ cái riêng biệt. Lưu ý "TEXAS" thay vì "T E X A S".

TextRecognize[Binarize@img] 

(* output *) 
ANTS FFWWW FEEWF 
E R o If IU I? 
E A FI5F WWWFF 5 
5552? L E F F 
T s E NTT BT| 
H0RWW@0WVlWF;EE F 
5 W E ; OCS 
FOFT W W R AL%AE 
A TT I T ? _ 
i iE@W'NF WG%S W 
A A EW F I i 
SWWTW W ALTFCWD N 
H A V 5 A F F 
PLATT EWWLIGHT 
W N E T 
HE TIRES C 
TEXAS VECTORS 

Tôi không có đủ kiên nhẫn để làm sạch hoàn toàn hình ảnh. Nó sẽ nhanh hơn nhiều để gõ lại văn bản bằng tay.

Kết luận: Không sử dụng tính năng nhận dạng văn bản trong mma trừ khi bạn có văn bản hoàn toàn rõ ràng dựa trên nền màu trắng, sáng, màu trắng thích hợp hơn.

Kết quả cũng khác nhau tùy thuộc vào định dạng tệp được sử dụng. Tránh .pdf hoàn toàn.

---

---

Sửa

acl bắt và cố gắng để nhận ra 5 dòng cuối cùng (trên Edit). Kết quả của ông (trong một bình luận dưới đây): chủ yếu là vô nghĩa.

Tôi đã quyết định làm như vậy. Nhưng kể từ khi Prashant cảnh báo rằng kích thước văn bản tạo ra sự khác biệt, tôi đã phóng to trước để văn bản xuất hiện (với mắt tôi) khoảng 20 pica. Dưới đây là hình ảnh của văn bản tôi đã quét và TextRecognize d.

---

---

Dưới đây là kết quả của một unbinarized TextRecognize (ít mà kích thước lớn):

Gliii. Q lk-ii`t`*¥ if EY £\[CloseCurlyDoubleQuote]1\[Euro]'EE \ 
Di'¥C~E\"P ITF SKI' T»f}!E'!',IL:?E\[CloseCurlyDoubleQuote] I 2 VEEE5\ 
\[CloseCurlyQuote] LEP \"- \"VE 
1. ur e=\\..r.1.»».»\\\\ rw r 1»»\\|a'*r | r .fm -»'-an \ 
\[OpenCurlyQuote] -.-rr -_.»~|-.'i~-.w~,.-- nv n.w~»-\ 
\[OpenCurlyDoubleQuote]~" 

Bây giờ, đây là kết quả cho TextRecognize của hình ảnh binarized. Hình ảnh gốc là một .png từ Jing.

I didn't have the patience to completely clean up the image. It would \ 
have been much faster to retype the 
text by hand. 
Conclusion: Don't use text recognition in mma unless you have \ 
absolutely clear text against an even- 
colored, bright, preferrably white, background. 
The results also varied depending on the file format used. Avoid .pdf \ 
altogether. 

Answer 3

Đây là cách tiếp cận hoàn toàn khác với việc sử dụng TextRecognize, vì vậy tôi đăng bài này dưới dạng câu trả lời riêng. Nó sử dụng cùng một kỹ thuật nhận dạng hình ảnh từ How do I find Waldo with Mathematica.

tiên nhận được câu đố:

wordfeud = Import["http://i.stack.imgur.com/JHYuh.png"] 

Và sau đó nhận được các mảnh của câu đố:

Grid[pieces = ImagePartition[s, 32]] 

Hãy quan tâm đến các thư điện tử:

LetterE = pieces[[4, 3]] 

Lấy hình ảnh tương quan:

correlation = 
ImageCorrelate[wordfeud, Binarize[LetterE], 
NormalizedSquaredEuclideanDistance] 

Và làm nổi bật các trận đấu:

positions = Dilation[ColorNegate[Binarize[correlation, .1]], DiskMatrix[20]]; 
found = ImageMultiply[wordfeud, ImageAdd[ColorConvert[positions, "GrayLevel"], .5]] 

Như trước đây, điều này đòi hỏi một chút điều chỉnh về binarizing hình ảnh tương quan, nhưng khác hơn rằng điều này sẽ giúp xác định bit và miếng của câu đố này.