如何提取答题纸中的书面数字（图片）

Question

我试过 tesseract 但它只适用于纯文本文档，任何人都可以建议我该怎么做吗？

 这是我的 vb.net 代码

Dim pic = New Bitmap(OpenFileDialog1.FileName)

 Dim ocr = New TesseractEngine("./dataset", "eng", EngineMode.TesseractAndCube)

 Dim page = ocr.Process(pic)

 TextBox1.Text = page.GetText

Answer 1

看起来你的答题纸结构合理。我会专注于为每个答案提取子图像，然后在该图像上以单字符模式运行 Tesseract。我不确定你如何在你使用的任何 Tesseract 包装器中获得单字符模式，但通过命令行它是参数：--psm 10。要提取每个图像，我会使用 OpenCV（尝试Emgu for .NET）。您可能需要先应用透视环绕以获得正方形图像。然后您可以使用一个简单的滑动窗口来获取每个子图像。我不确定在答案被划掉的情况下这将如何执行。