Text Detection

Dieser Funktionsblock wird verwendet, um Text in Bildern zu identifizieren und zu lokalisieren, indem ein Deep-Learning-Modell eingesetzt wird. Es verarbeitet das Eingangsbild und liefert Ausgaben, die anzeigen, wo Text erkannt wird.

📥 Eingänge

Image Any Das Eingangsbild, in dem Text erkannt werden muss.

📤 Ausgänge

Image Any Das modifizierte Bild mit hervorgehobenen Textstandorten.

Referance Point Die Koordinaten des Referenzpunkts für jedes erkannte Textfeld.

Referance Rectangles Die Koordinaten der Rechtecke, die jedes erkannte Textfeld umschließen.

Number of Detected Text Die Gesamtanzahl der im Eingangsbild erkannten Textfelder.

🕹️ Steuerungen

Confidence Ein Schieberegler zum Festlegen des Konfidenzschwellenwerts für die Texterkennung. Höhere Konfidenzwerte führen zu strengeren Erkennungskriterien.

NMS Threshold Ein Schieberegler zur Anpassung des Non-Maximum Suppression (NMS) Schwellenwerts, der hilft, überlappende Begrenzungsrahmen herauszufiltern.

🎨 Funktionen

Deep Learning Model Verwendet ein vortrainiertes Deep-Learning-Modell für eine robuste Texterkennung.

Real-time Feedback Anpassungen an den Steuerungen ermöglichen es den Benutzern, die Erkennungseinstellungen in Echtzeit zu ändern, um die Erkennungsergebnisse basierend auf den Eingangsbildern zu verbessern.

📝 Nutzungshinweise

1. Input Image: Verbinden Sie eine Bildquelle mit dem Image Any Eingang.

2. Detection Settings anpassen: Verwenden Sie die Schieberegler Confidence und NMS Threshold, um die Erkennungsparameter zu konfigurieren.

3. Block ausführen: Führen Sie den Block aus, um die Texterkennung durchzuführen. Das Ausgabe-Bild hebt die erkannten Textbereiche zusammen mit ihren Referenzpunkten und der Anzahl der erkannten Texte hervor.

📊 Bewertung

Bei der Auswertung verarbeitet dieser Funktionsblock das Eingangsbild, um Text zu erkennen, und gibt ein modifiziertes Bild mit hervorgehobenem Text sowie zusätzliche Informationen wie Referenzpunkte, Rechtecke und die Anzahl der erkannten Textbereiche zurück.

💡 Tipps und Tricks

Verbesserung der Erkennungsgenauigkeit

Verwenden Sie höhere Konfidenzwerte (z. B. über 70) für klaren Text, um sicherzustellen, dass nur die zuversichtlichsten Erkennungen zurückgegeben werden.

Umgang mit unterschiedlichen Lichtverhältnissen

Wenn die Texterkennung bei schwachem Licht oder ungleicher Beleuchtung unzureichend ist, ziehen Sie in Betracht, das Bild mit Auto Contrast oder Histogram Equalization vorzuverarbeiten, um die Sichtbarkeit zu verbessern.

Auswahl von Eingabetypen

Stellen Sie sicher, dass das Eingangsbild von guter Qualität ist und klaren Text enthält, um optimale Erkennungsergebnisse zu erzielen. Niedrigauflösende oder verschwommene Bilder können die Leistung beeinträchtigen.

🛠️ Fehlersuche

Kein Text erkannt

Wenn kein Text erkannt wird, stellen Sie sicher, dass die Bildqualität hoch ist, und überprüfen Sie, ob der Eingang lesbaren Text enthält. Stellen Sie den Schieberegler Confidence auf einen niedrigeren Wert ein, um eine empfindlichere Erkennung zu testen.

Leistungsprobleme

Bei größeren Bildern kann die Reduzierung der Eingabedimensionen die Verarbeitungsgeschwindigkeit verbessern. Ziehen Sie in Betracht, Bilder zu verkleinern, wenn Sie auf langsame Leistung stoßen.