Mathematica's TextRecognize not up to par

Question

Si prega di dare un'occhiata alla schermata qui sotto e vedere se puoi dirmi perché questo non funzionerà. Gli esempi nella pagina di riferimento per TextRecognize sembrano piuttosto impressionanti, non penso che riconoscere singole lettere come questa dovrebbe essere un problema. Ho provato a ridimensionare le lettere e ad avere l'immagine più nitida.

Per comodità nel caso in cui si desideri provare da soli, ho incluso l'immagine che uso in fondo a questo post. Puoi anche trovare molto di più in questo modo cercando "Wordfeud" in Google Ricerca immagini.

Answer 1

domanda Very cool!

TextRecognize utilizza l'euristica per riconoscere parole intere dalla lingua inglese. Questo è il Gotcha che fa riconoscere le singole lettere molto dure

Si consideri la seguente linea di pensiero:

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

Ora raccogliere le lettere per formare 'EXIT' la parola inglese:

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

Ora ripulire un po 'queste immagini:

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

Allora questo restituisce il "EXIT" stringa:

TextRecognize[d] 

Answer 2

ho pensato la qualità della vostra immagine potrebbe interferire. Binarizzare la tua immagine non ha aiutato: il riconoscimento era zilch. Ho anche provato un'immagine in bianco e nero molto nitida di una soluzione di cruciverba. (vedi sotto) Ancora, non è stato riconosciuto nulla in formato normale o binarizzato.

Così ho rimosso il fondo nero lasciando solo le lettere e le loro cornici nere sottili. Ancora una volta, il riconoscimento era dello 0%.

Quando ho rimosso i riquadri da alcune delle lettere E ho binarizzato l'immagine, le uniche parti che erano riconoscibili erano quelle regioni in cui non c'erano nient'altro che lettere. (Vedi sotto)

Avviso nell'output di seguito, FORMICHE, PNEUMATICI, e Texas sono correttamente identificati (così come vettori), ma solo di nient'altro.

Si noti inoltre che, anche se le stringhe erano ampiamente distanziate, mma le interpretava come parole, piuttosto che lettere separate. Nota "TEXAS" invece di "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 

Non ho avuto la pazienza di pulire completamente l'immagine. Sarebbe stato molto più veloce ridigitare il testo a mano.

Conclusione: non utilizzare il riconoscimento del testo in mma a meno che non si abbia del testo assolutamente chiaro su uno sfondo di colore uniforme, luminoso, preferibilmente bianco.

I risultati variano anche in base al formato di file utilizzato. Evita il .pdf del tutto.

---

---

Modifica

ACL catturato e cercato di riconoscere gli ultimi 5 righe (sopra Edit). I suoi risultati (in un commento qui sotto): per lo più senza senso.

Ho deciso di fare lo stesso. Ma dal momento che Prashant ha avvertito che la dimensione del testo fa la differenza, ho eseguito lo zoom avanti in modo che il testo appaia (ai miei occhi) di circa 20 pica. Di seguito l'immagine del testo che ho scansionato e TextRecognize d.

---

---

Ecco il risultato di un unbinarized TextRecognize (a quel grande):

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]~" 

Ora, ecco il risultato per la TextRecognize dell'immagine binarizzata. L'immagine originale era una .png di 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

Questo è un approccio completamente diverso da utilizzando TextRecognize, così mi distacco questo come una risposta separata. Utilizza la stessa tecnica di riconoscimento dell'immagine dal How do I find Waldo with Mathematica.

primo luogo ottenere il puzzle:

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

e quindi ottenere i pezzi del puzzle:

Grid[pieces = ImagePartition[s, 32]] 

Cerchiamo di essere interessati alla lettera E:

LetterE = pieces[[4, 3]] 

Prendi l'immagine di correlazione:

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

ed evidenziare le partite:

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

Come prima, questo richiede un po 'di sintonizzazione sulla binarizzazione dell'immagine di correlazione, ma diverso da che questo dovrebbe aiutare a identificare i bit e le parti di questo puzzle.