OCR图像字符解析算法
我正在研究OCR，现在我正在分析每个单独的字符，而不是其他字符。例如，如果我有一幅图像，上面写着：
12345678.90我希望检测每个数字在图像中的起始位置和结束位置的x，y坐标，这样我就可以确定要处理多少个数字，然后解析出每个单独的数字/字符，并对其进行处理。
我已经设计了一个简单的算法来做它，我想要一些关于如何改进它的意见/评论。
(在这个应用程序中，我只需要处理数字，但是如果这个算法也能解析字母，那就更好了)。
- 1)我会在图像底部的直线上读取图像中的像素。例如，如果图像是30x30，那么我将从0、30到30开始读取。
- 2)比较像素的颜色。已经确定了背景和前景颜色，我将比较每个像素的颜色，看看它是在背景，还是前景。
- 3)如果是背景的话，就会被忽略。如果我在前景中遇到任何像素，那将指示一个数字的开始。在这种情况下，我会注意到位置，然后开始向上读取像素。例如，如果我在5,30岁时检测到前景颜色，我就会开始读5,29，5,28等。
- 4)我会向上读取像素(y轴)，直到遇到背景色中的像素为止。这应该能给我这个角色的高度。(我知道，对于像5这样的一些字符，它会更复杂，让我们暂时忽略它们)。因此，我决定，例如，字符从5,20到5,30垂直。
- 5)然后，我会回到x轴(5,30)，在那里我检测到字符的水平开始。我会继续水平阅读，以确定字符的宽度，例如6,30，7,30等等。
- 6)这是一个棘手的步骤。我猜，以下每一个字符之间： 12345678.90
在背景颜色中有一个像素左右的空白。它可能对我们来说是不可见的，但是它就在那里，它会被程序找到，像像素一样水平地读取颜色。这会告诉它字符水平结束的位置。例如，它可能检测到15，30的背景色像素。
- 7)这就是算法，它应该给出每个字母开始和下一个字母开始位置的
x,y坐标。在上面的例子中，字符将从5,20到15,30，并且是10x10。
这个算法可以改进吗?或者我对第六步的假设是正确的吗？
回答 3
Stack Overflow用户
发布于 2013-09-15 21:31:38
我知道的一种常用的数字分割方法是滑动窗口。基本的想法是你滑动一个一定大小的窗口在数字图像上。
滑动窗口的每一次移动都会产生一幅图像(您只看窗口覆盖的像素)。滑动的窗户会很窄。现在可以训练分类器，这将把滑动窗口映射到1或0，其中1表示滑动窗口的中心位置是2位，0表示相反。
你需要一些训练数据来训练分类器。或者你可以尝试使用无监督的学习。
编辑:这个视频可能很有用：https://www.youtube.com/watch?v=y6ga5DeVgSY
Stack Overflow用户
发布于 2013-09-15 21:24:26
免责声明__：我以前从未写过任何类似OCR的软件。
在我看来，您的算法似乎有点错误，原因如下：
- 1不是从你在底部找到第一个像素的位置开始的，因为你仍然有指向左边的小笔画，在1的顶部。
- 2只会有几个像素高，因为你是直接上升，直到你找到一个背景像素。
- 由于上述参数相同，3只会导致1像素乘1像素。
- 等等。
我将尝试使用递归算法，尽可能地跟踪前景颜色像素，而不进入背景像素。当使用大字符的大图像时，这可能会导致堆栈溢出，因此最好在几个for循环中完成此操作，而不是使用递归函数。
如果您要这样做，这个逐像素发现一个字符，您可以使用该过程创建向量信息，您的字符是什么样子。我认为这将是一个很酷的起点来识别人物。
Stack Overflow用户
发布于 2014-04-22 10:46:25
我没有尝试编写OCR软件，但是我们确实使用它，而且它变得非常复杂。
还不完全清楚你的图像是从哪里来的；如果是扫描图像，那么就会有几个复杂的问题。尤其是在你的计划中，即使数字之间有一个缺口，它也可能不是垂直的(扫描的页面不太可能是完全笔直的)。其他因素包括“斑点”如果你正在处理这类图像，你几乎可以肯定的是，你需要寻找图像处理技术，将许多不同的数学运算应用到整个像素阵列上，这样就可以完成像deskew (矫正图像)、despeckle (去除随机点)、边缘增强(从光到暗的变化以增强线条)等工作。
从你使用的“背景”和“前景”颜色，它可能是你试图"OCR“一个图像从屏幕？如果是这样(某种“屏幕刮擦”过程)，而且你知道(或者可以用)特定的字符形状进行解释，那么滑动窗口的一个变体可能会有所帮助:你可以在图像周围以不同的偏移量滑动已知的'5‘图像:如果'5’的所有像素都匹配图像中的“前景”像素，那么你就知道你找到了一个'5‘。重复其他数字。如前所述，这是我们所说的“虚拟”窗口。
https://stackoverflow.com/questions/18817533
复制相似问题
腾讯云开发者
