студент,
656038, г. Барнаул, пр. Ленина, 46
Student,
46 Lenin Ave., Barnaul 656038
студент,
656038, г. Барнаул, пр. Ленина, 46
Student,
46 Lenin Ave., Barnaul 656038
кандидат технических наук, доцент кафедры информатики, вычислительной техники и информационной безопасности,
656038, г. Барнаул, пр. Ленина, 46
Cand. Sci. (Technical), Assoc. Prof., Department of Informatics, Computer Engineering and Information Security,
46 Lenin Ave., Barnaul 656038
Цель. В данной статье рассматривается приложение, позволяющее осуществить обработку изображений товарных чеков для последующего извлечения текстовой информации с помощью Tesseract OCR Engine. Такое приложение полезно для ведения семейного бюджета или при проведении бухгалтерского учета в небольших компаниях. Основная проблема распознавания чеков – низкое качество краски и бумаги для печати, из-за чего она легко мнется и рвется, а напечатанные буквы быстро выцветают.
Метод. Исследование основано на ряде алгоритмов, основанных на методах математической морфологии операции размыкания, замыкания и морфологического градиента, преобразования изображений, которые позволяют существенно улучшить итоговое распознавание символов системой Tesseract.
Результат. Для решения этой проблемы был предложен специальный алгоритм нормализации изображения, включающий в себя нахождение чека на изображении, обработку полученного участка изображения, удаление дефектов съемки и дефектов носителя и точечную обработку для восстановления символов. Разработанное приложение позволяет значительно повысить точность распознавания текстовой информации при использовании Tesseract OCR.
Вывод. Разработанная система распознает знаки с достаточно высокой точностью, и показывает результат выше, чем при распознавании оригинальным методом Tesseract, однако все же уступает точности распознавания ABBY FineReader. Также были предложены методы, предположительно позволяющие улучшить разработанный алгоритм.
Objectives. This article presents an application for the processing of scanned images of sales receipts for subsequent extraction of text information using the Tesseract OCR Engine. Such an application is useful for maintaining a family budget or for accounting in small companies. The main problem of receipt recognition is the low quality of ink and printing paper, which results in creasing and tears, as well as the rapid fading of printed characters.
Methods. The study is based on a number of algorithms based on mathematical morphology methods for opening, closing and morphological gradient operations, as well as image conversion, which can significantly improve the final recognition of characters by Tesseract.
Results. In order to solve this problem, a special image normalisation algorithm is proposed, which includes locating a receipt on an image, processing the received image section, removing image capture and carrier defects, as well as point processing for restoring missing characters. The developed application supports increased recognition accuracy of text information when using Tesseract OCR.
Conclusion. The developed system recognises characters with fairly high accuracy, demonstrates a result that is better than that obtained when using the unmodified Tesseract method, but which is still inferior to the recognition accuracy of ABBY FineReader. Methods are also been proposed aimed at improving the developed algorithm.
The authors declare that there are no conflicts of interest present.