我的室友和我每次去购物（特别是去Costco）时，都厌倦了手动分割收据，所以我想使用图像识别技术制作一个收据分割器。

我使用Python的Tesserocr将收据的图片转换成文本，然后使用正则表达式匹配文本并进行计算。问题是Tesseract在将图像转换为文本方面的表现非常糟糕。下面是一张我们的收据的图片，使用api.SetImageFile(img)和api.GetUTF8Text()后的输出如下：

”Wm-Belfsville #214j|0925 Balfimore Rve. (R1.Belfsvlll B, MD 207054P Member 111869052983E 1952 SNEET8SRTLY 11.79E 0000165287 CPN/1952 3.80“E 1952 SNEET&SHTLY 11.79E 0000165287 CPN/1952 3.80-87745 ROTISSERIE 4.99 H1 5597 BLUEBERRIES 6.99E. 5597 BIUEBERRIES 6.99E. 979210 CHOC MRNGOS 9.99 HF‘ 24311 VHR. MUFFIN 7.991 1060788 PRETZELCRISP 6.8987745 ROTISSERIE 4.99 H- 87745 ROTISSERIE 4.99 HEZ 71096 RED DEL 7.99El 1027557 KOREHNNOODLE 8.79Ei 382861 KS IN CK BST 16.79[S 91610 FROSTED FLKS 6.79[3 11422 3 YR CHDR 12_27[5 46849 SESNDPRKTEND 12.55SUBTOTRL 13 _THX 1,33xu** TOTAL IIIIIIIBEEIHflIxxxxx XXXXXXX4540 CHIP Read

你可以看到输出很难处理。它将”A”识别为”H”，有时将”E”识别为”F”或其他随机字符。我认为我有两个选择：

1. 以某种方式训练Tesseract更好地读取收据，但我之前没有机器学习的经验。我尝试阅读了Tesseract的训练指南，但其中有很多我并不熟悉的技术细节。我认为实际过程应该不难，因为我读取的图像非常具体。

2. 拍摄收据的多张照片，使用像Fred’s ImageMagick Scripts这样的工具，对所有照片应用不同的滤镜，将所有照片的排列组合通过Tesseract处理并整合结果。这样做的问题是1）我不确定如何进行整合。使用正则表达式会很困难。2）我认为仍然会存在基本问题，比如将”A”识别为”H”。

有谁能帮助我实现这两个选项中的任何一个，指导我完成这个任务吗？或者告诉我还有其他我可以尝试的方法？

回答：

如果你可以使用ImageMagick，并且在类Unix系统上（Linux，MacOSX，带Cygwin的Windows或Windows 10的Unix环境），那么你可以尝试我的bash shell脚本，textdeskew和textcleaner，网址是http://www.fmwconcepts.com/imagemagick/index.php。例如：

textdeskew input.jpg deskew.png

校正结果

然后

textcleaner -f 25 -o 10 -g -e normalize -s 1 deskew.png deskew_clean.png

校正和清理结果

或者在任何操作系统上的ImageMagick中，只需使用-deskew和-lat：

convert input.jpg -deskew 40% input_deskew.png

ImageMagick校正结果

convert input_deskew.png -negate -lat 25x25+10% -negate input_deskew_lat.png

ImageMagick校正和lat结果

或者将它们一起运行：

convert input.jpg -deskew 40% -negate -lat 25x25+10% -negate input_deskew_lat.png

这些方法对你的OCR有帮助吗？