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?
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?
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。
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。
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):
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。