sim-bsc/thesis
Archived
1
0
Fork 0
Code Issues Pull Requests Releases 3 Activity

More references

Browse Source
This commit is contained in:
Simon
2024-02-17 14:42:50 +01:00
parent da240bebcd
commit df57390764
4 changed files with 77 additions and 43 deletions
Download Patch File Download Diff File Expand all files Collapse all files
chapters/c30_konzept/algorithmen/preprocessing.tex
+11 -11
View File
@@ -17,30 +17,30 @@ Da Tesseract auf klare und scharfe Kontraste angewiesen ist, um Text korrekt zu
\begin{figure}[ht]
\centering
\subcaptionbox
{Original}
{\fbox{\includegraphics[width=0.15\textwidth]{include/resampling/source.png}}}
{Original}
{\fbox{\includegraphics[width=0.15\textwidth]{include/resampling/source.png}}}
\hspace{0.005\textwidth}
\subcaptionbox
{Nearest-Neighbor}
{\fbox{\includegraphics[width=0.24\textwidth]{include/resampling/Nearest.png}}}
{Nearest-Neighbor}
{\fbox{\includegraphics[width=0.24\textwidth]{include/resampling/Nearest.png}}}
\hspace{0.005\textwidth}
\subcaptionbox
{Hermite}
{\fbox{\includegraphics[width=0.24\textwidth]{include/resampling/Hermite.png}}}
{Hermite}
{\fbox{\includegraphics[width=0.24\textwidth]{include/resampling/Hermite.png}}}
\hspace{0.005\textwidth}
\subcaptionbox
{Lanczos}
{\fbox{\includegraphics[width=0.24\textwidth]{include/resampling/Lanczos.png}}}
{Lanczos}
{\fbox{\includegraphics[width=0.24\textwidth]{include/resampling/Lanczos.png}}}
\caption{Ein Vergleich unterschiedlicher Resampling-Filter. Durch die Aufteilung der Fehler auf mehrere Pixel bleiben Details und Konturen bei Anwendung des Lanczos-Filters vergleichsweise gut erhalten und der Text ist gut lesbar.}
\label{fig:algorithmen_resampling_vergleich}
\end{figure}
Nach einigen Tests fällt auf, dass Bilder, die mittels des Spline-Verfahrens \mcite{spline} oder der Hermite-Interpolation \mcite{hermite} skaliert wurden, weiche Konturen ohne harte Farbübergänge aufweisen. Tesseract profitiert jedoch stark von klaren Texten und hohen Kontrasten, weswegen diese Art des Resamplings keine ideale Basis für das Preprocessing bietet. Deswegen wird für die weiteren Schritte die Interpolation nach Lanczos \mcite{lanczos} für das Resampling verwendet.
Nach einigen Tests fällt auf, dass Bilder, die mittels des Spline-Verfahrens \mcite{briand2018theory,unser1999splines} oder der Hermite-Interpolation \mcite{seta2009digital} skaliert wurden, weiche Konturen ohne harte Farbübergänge aufweisen. Tesseract profitiert jedoch stark von klaren Texten und hohen Kontrasten, weswegen diese Art des Resamplings keine ideale Basis für das Preprocessing bietet. Deswegen wird für die weiteren Schritte die Interpolation nach Lanczos \mcite{fadnavis2014image} für das Resampling verwendet.
\subsubsection{Rahmen}
\label{algorithmen_rahmen}
Befindet sich Text zu nah am Rand des Bildes, kommt es vor, dass dieser nicht richtig erkannt wird. Ebenso kann auch ein zu großer einfärbiger Rahmen am Rand des Bildes die Texterkennung stören. Bei Rahmengrößen wie in \autoref{fig:rahmen_groß} kommt es vor, dass Bildsektionen fälschlicherweise als "leer" erkannt und übersprungen werden, wodurch der zu erkennende Text nicht in die Ergebnisdaten mit aufgenommen wird.
Befindet sich Text zu nah am Rand des Bildes, wird dieser nicht immer richtig erkannt. Ebenso kann auch ein zu großer einfärbiger Rahmen am Rand des Bildes die Texterkennung stören. Bei Rahmengrößen wie in \autoref{fig:rahmen_groß} kommt es vor, dass Bildsektionen fälschlicherweise als "leer" erkannt und übersprungen werden, wodurch der zu erkennende Text nicht in die Ergebnisdaten mit aufgenommen wird.
\begin{figure}[ht]
\centering
@@ -97,7 +97,7 @@ Die adaptive Schwellenwertmethode gehört zu den halbautomatischen Schwellenwert
\fbox{\includegraphics[width=0.49\textwidth]{include/screenshots/zrs_REPORTS_EfficencyClass_009.png}}
\hfill
\fbox{\includegraphics[width=0.49\textwidth]{\detokenize{include/results/ThresholdAdaptiveProcessor(20_20).00.zrs_REPORTS_EfficencyClass_009.png}}}
\caption{Anwendung der adaptiven Schwellenwertmethode auf einen Beispielscreenshot. Die Blockgröße ist gut an den Bildinhalt angepasst und alle Details bleiben erhalten. Dieses Verfahren punktet hier besonders bei den farbigen "Energy Labels", deren Textinhalte sonst mittels keinem anderen Verfahren komplett erkannt wurden.}
\label{thresholding_adaptive_vergleich_gut}
\end{figure}
chapters/c40_durchführung/implementierung.tex
+1 -1
View File
@@ -246,7 +246,7 @@ Die OCR-Bibliothek beinhaltet elementare Funktionen für die Texterkennung. Sie
\subsubsection{Automatische Berichterstellung}
\label{components_reportgenerator}
Mithilfe des ReportGenerator-Frameworks wird die automatische Berichterstellung für unterschiedlichste Ausgabeformate abstrahiert. Durch die mitgelieferten Schnittstellendefinitionen ist es möglich, eigene Ausgabeformate zu definieren. Der gesamte Funktionsumfang des ReportGenerators, beispielsweise das Erstellen von Tabellen oder das Anlegen und Überschriften, kann durch die Implementerung von Interfaces wie Programm \ref{prg:reportgenerator_interface} an die jeweilige Syntax und Dokumentstruktur angepasst werden.
Mithilfe des ReportGenerator-Frameworks wird die automatische Berichterstellung für unterschiedlichste Ausgabeformate abstrahiert. Durch die mitgelieferten Schnittstellendefinitionen ist es möglich, eigene Ausgabeformate zu definieren. Der gesamte Funktionsumfang des ReportGenerators, beispielsweise das Erstellen von Tabellen oder das Anlegen und Überschriften, kann durch die Implementierung von Interfaces wie Programm \ref{prg:reportgenerator_interface} an die jeweilige Syntax und Dokumentstruktur angepasst werden.
\begin{program}[!ht]
\begin{CsCode}[numbers=none]