如何制作光学字符识别程序？

Question

我想制作一个程序，可以将图片作为输入并输出文本。现在我知道可以使用神经网络将单个字符的图像转换为该字符。困难的部分是：给定一个带有文本的图像，如何在每个单独字符周围生成所有的矩形框？我可以使用哪种方法来完成它呢？

- quanta

Answer 1

一种基本方法是制作黑色像素的直方图。首先：将所有像素投影到一条线上。直方图中的深谷表示行之间的分隔（如果纸张可能倾斜，请尝试不同的角度）。然后，对于每一行（或每一页，如果您知道字体是等宽的），将像素投影到水平直方图上。这将为您提供有关字符间距的强烈指示。至少，这会给你一个平均字符高度和宽度的值，这将在下一步中帮助你。

之后，您需要处理字距（其中字符重叠）。查找连接的像素，可能首先要对图像进行膨胀或侵蚀以补偿扫描伪影。

根据扫描图像的质量，您可能需要使用更高级的技术，但这将让您开始工作。

- Emile

---

这非常有趣，因为虽然我认为你描述的方法有时会很有效，但它无法学习？神经网络可以被训练得更好地阅读单个符号，但是一旦它完美了，使用你的想法，我觉得它可能会受到该过程的限制。你认为是这种情况还是我误判了？ - quanta

啊，我稍微误读了你的问题。传统的方法是进行1）图像增强2）分割3）字符识别（使用NN）4）使用上下文信息（字典查找或应用统计数据）。你基本上可以选择使用NN进行分割，或者结合2）和3）使用NN。后者将具有挑战性，但具有潜在的优势。如果您想将NN应用于分割，则必须提出良好的特征。使用直方图谷可能是其中之一（我自己没有做过这个，所以无法预测结果）。 - Emile

恭喜！你差不多重新发明了Hough变换。 - polkovnikov.ph

Answer 2

这听起来不像是人工智能，更像是在谈论OCR：

http://en.wikipedia.org/wiki/Optical_character_recognition

查看 Google Tesseract

http://code.google.com/p/tesseract-ocr/

编辑 未编辑过的问题是关于人工智能的。

- Raoul

---

@quanta AI和OCR不是同一件事情。如果称其为AI，你描述的就是错误的东西。 - Raoul

Answer 3

对我来说，问题本身似乎不太清楚。

因为它涉及OCR，我会留下一些文章，它们可能会有所帮助（至少对我有用）：

• 提高OCR准确性
• 如何使用图像预处理来提高Tesseract的准确性

另外，如上所述tesseract是一个很好的OCR开源Python库（我个人也使用这个）。您可以通过sklearn采取其他方法。

您还可以查看this stackoverflow post。

我相信你可以使用researchgate来查找任何论文（我找到了一些，但不确定这是否是你需要的）。

我认为上面的通用答案适用于通用问题。

- Svestis

---

嗨，通常在 Stack Overflow 上，如果一个问题不清楚，最好不要回答它，直到它变得清晰明了。如果你认为已经有一个回答了这个问题，那么就更应该如此。 - TylerH