Как да персонализирате Tesseract игнорира шум?

Трябва да опитате ерозиране и разширяване:

Най-основните морфологични операции са две: ерозия и дилатация. Те имат широк спектър от приложения, т.е.

Премахване на шума

...

можете да опитате да намалите семпла от вашето двоично изображение и да го вземете отново (pyrDown и PyrUp) или можете да опитате да smooth изображението си с размазване по Гаус. И както вече беше предложено, erode и dilate вашето изображение.

Виждам 3 решения за вашия проблем:

1. Както вече беше предложено - опитайте да използвате erode и dilate или някакъв вид замъгляване. Това е най-простото решение.
2. Намерете всички контури (функция findContours) и след това изтрийте всички контури с площ, по-малка от някаква стойност (опитайте различни стойности, трябва да намерите правилната доста бързо). Имайте предвид, че стойността може да не е постоянна - например можете да опитате да използвате 80% от средната контурна площ (просто добавете всички контурни площи, разделете ги на броя на контурите и умножете по 0,8).
3. Намерете всички контури. Създайте едномерен масив от цели числа с дължина, равна на височината на вашето изображение. Попълване на масива с нули. Сега за всеки контур:
   I. Намерете горната и долната точка (точки с най-голямата и най-малката стойност на y координатата). Нека назовем тези точки T и B.
   II. Добавете един към всички елементи на масива, чийто индекс е между B.y и T.y. (така че ако B = (1, 4) и T = (3, 11), тогава добавете едно към array[4], array[5], array[6] ..., array[11]).
   Намерете най-големият елемент от масива. Нека назовем тази стойност v. Всички контури, за които B.y <= v <= T.y трябва да бъдат букви, други контури - шум.

можете лесно да премахнете тези шумове, като използвате техники за обработка на изображения (морфологични операции като erode и dilate), можете да изберете opencv за тези операции.

Направете етикетиране на свързани компоненти....това е броене на петна....всички шумове на дозата никога не могат да съответстват на размера на числата....с морфологични техники числата също се променят...етикетирайте изображението...пребройте брой пиксели във всеки етикетиран регион и задайте праг (който можете лесно да зададете, тъй като ще имате само числа и шумове)...cvblob е библиотеката, написана на C++, достъпна в code googles...

Имах подобен проблем: малките шумове бяха причина за неуспехите на тесеракта. Не мога да използвам open-cv, защото разработвах някаква функция на android и open-cv беше нежелан поради големия си размер. Не знам дали това решение е добро, но ето какво направих.

Намерих всички черни региони в изображението (точки от всеки регион, които добавих към собствения набор от региони). След това проверявам дали броят точки в този регион е по-голям от някакъв праг, като 10, 25 и 50. Ако е вярно, правя бели всички точки от този регион.