Google Cloud Vision API OCR文本检测结果不准确(Node.js) 如何提升准确率

一、图像预处理优化 #

• 调整分辨率：将待识别图片放大到300DPI及以上，避免低分辨率下Q字符的尾部细节丢失被误识别为C
• 增强字符对比度：对图片做二值化、去噪处理，拉高文本和背景的色差，突出字符边缘细节
• 裁剪有效区域：提前裁剪去掉无关背景，仅将包含目标文本BBTPB9999Q的局部区域传入API，减少其他内容的干扰

二、API调用逻辑优化 #

• 更换检测接口：替换当前使用的通用textDetection接口，改用对印刷体字符识别精度更高的documentTextDetection文档文本检测接口
• 增加识别参数配置：传入imageContext配置项，指定语言提示为英文，开启单字符置信度返回，示例优化代码如下：

const client = await new vision.ImageAnnotatorClient({ credentials });
const [result] = await client.documentTextDetection({
  image: { source: { filename: path } },
  imageContext: {
    textDetectionParams: {
      // 指定识别语言为英文，提升字母数字识别准确率
      languageHints: ['en'],
      // 开启单字符置信度返回
      advancedOcrOptions: ["ENABLE_TEXT_ANNOTATION_CONFIDENCE"]
    }
  }
});
// 取fullTextAnnotation而非textAnnotations，输出的结构化结果精度更高
console.log(result.fullTextAnnotation.text);

三、后处理规则校正 #

• 置信度过滤：拿到识别结果后，逐个校验单字符的置信度，对置信度低于0.8的字符做二次校验，C、Q、O、0这类相似字符的识别置信度通常会明显低于正常结果
• 规则匹配：如果目标文本有固定编码规则，可通过正则匹配做错误替换，比如当前场景如果明确最后一位是Q，可直接把末尾识别到的低置信度C替换为Q

内容的提问来源于stack exchange，提问作者kashi viswanath