通过发送文本块/段落来并行化 OCR

Parallelise OCR by sending blocks/ paragraphs of text

本文关键字：段落 并行化 OCR 文本      更新时间：2023-10-16

我希望通过将文本块单独发送到 OCR 而不是发送一个文本图像来提高对文本图像执行 OCR 的速度。我该怎么做？

我为了剪切您的输入图像，您需要检测文本行。如果打字并且线条大多是直的，应该很容易。不直接或手写的扫描不容易处理！最后要注意的是：在这种情况下，只有更高DPI的扫描才会合作(我会说至少300 DPI(。

否则，就是从顶部找到一条"非白线"扫描，这是你的

第一行开始的地方，然后找到下一条"白线"，也就是你的线的垂直端。

然而。。。OCR 不仅扫描图像，还会解释结果。因此，如果你的行以部分单词("extrac-"(结尾，它能够在下一行的开头找到单词的结尾("-ting"(。

如果您剪切并尝试逐行处理这些行，您将错过所有这些行(在许多文档中没有使用，因此您可能没问题。

什么是"白线"？

在这里，我假设您的文档是白纸上的黑色墨水。扫描文档时，白纸在图像中显示为浅灰色。这个想法很简单：计算X个像素的平均值，看看它们的亮或暗，如果足够亮，那么认为它是白色的。

quick_gray = (r + g + b) / 3;  // this is not a correct gray computation, but good enough here (and relatively fast.)
average = (qg1 + qg2 + qg3 + ... + qgN) / N;  // the average of 9 or 25 pixels
if(average < 40) { goto white_pixel; }

可以跳过这些划分以使事情进展得更快，因为您可以将平均测试重写为：

if(average < 40 * 3 * N) { ... }

这是假设quick_gray和平均值是足够大的类型，可以支持(更大的(计算结果。

如您所见，这决定了 PIXEL 是否为白色，而不是线条。你必须对整条线的每个像素重复这个数学运算，才能知道整个东西是否是白色的。

有问题的像素是下面的 X，* 代表区域检查(N = 5 x 5 = 25 像素(。

o o o o o o o o o
o o * * * * * o o
o o * * * * * o o
o o * * X * * o o
o o * * * * * o o
o o * * * * * o o
o o o o o o o o o

也可以使用权重系统，其中远离中心的像素不会对结果产生太大影响。因此，X 周围的 * 可以给出 0.9 的权重，而更远的 * 可以给出 0.5 的权重。这样，距离较远的 * 可以暗两倍，X 仍将被视为白色。

我建议查找一些C++ CUDA 示例以获得并行编程语法的基本概念。

http://llpanorama.wordpress.com/2008/05/21/my-first-cuda-program/

此链接可能会在这里为您提供帮助。

决定您计划如何拆分文本，然后将其全部传递到具有所需线程/块的 CUDA 内核中，并在其中执行 OCR。

恐怕你提供的信息这么少，我真的不能比这更能帮助了。

相关文章：