Как настроить Tesseract игнорирует шум?

Вам следует попробовать размытие и расширение:

Основными морфологическими операциями являются две: эрозия и расширение. У них есть широкий спектр применения, например:

Удаление шума

...

вы можете попытаться уменьшить семпл вашего двоичного изображения и повторить его выборку (pyrDown и PyrUp) или вы можете попробовать smooth ваше изображение с размытием по Гауссу. И, как уже предлагалось, erode и dilate ваше изображение.

Я вижу 3 решения вашей проблемы:

1. Как уже предлагалось - попробуйте использовать erode и dilate или какое-нибудь размытие. Это самое простое решение.
2. Найдите все контуры (функция findContours), а затем удалите все контуры с площадью меньше некоторого значения (попробуйте разные значения, вы быстро найдете правильный). Обратите внимание, что значение может быть непостоянным - например, вы можете попробовать использовать 80% средней площади контура (просто сложите все площади контуров, разделите на количество контуров и умножьте на 0,8).
3. Найдите все контуры. Создайте одномерный массив целых чисел с длиной, равной высоте вашего изображения. Заполните массив нулями. Теперь для каждого контура:
   I. Найдите верхнюю и нижнюю точки (точки с наибольшим и наименьшим значением координаты y). Назовем эти точки T и B.
   II. Добавьте один ко всем элементам массива, индекс которого находится между B.y и T.y. (поэтому, если B = (1, 4) и T = (3, 11), тогда добавьте единицу в array [4], array [5], array [6] ..., array [11]).
   Найти самый большой элемент массива. Назовем это значение v. Все контуры, для которых B.y <= v <= T.y должны быть буквами, остальные контуры - шумом.

вы можете легко удалить эти шумы, используя методы обработки изображений (морфологические операции, такие как размытие и расширение), вы можете выбрать opencv для этих операций.

Сделайте маркировку связанных компонентов ... это подсчет капель ... все дозовые шумы никогда не могут соответствовать размеру чисел ... с помощью морфологических методов номера также изменяются ... маркируют изображение ... подсчитывают количество количество пикселей в каждой отмеченной области и установить порог (который вы можете легко установить, поскольку у вас будут только числа и шумы) ... cvblob - это библиотека, написанная на C ++, доступная в кодовых гуглах ...

У меня была аналогичная проблема: небольшие шумы были причиной сбоя тессеракта. Я не могу использовать open-cv, потому что я разрабатывал некоторую функцию для Android, а open-cv был нежелательным из-за его большого размера. Не знаю, хорошее ли это решение, но вот что я сделал.

Я нашел все черные области на изображении (точки каждого региона, которые я добавил в свой набор регионов). Затем я проверяю, превышает ли количество точек в этой области некоторый порог, например 10, 25 и 50. Если это правда, я делаю все точки в этой области белыми.