OCR：小文本的细分

Question

问题

我一直在构建一个（非常）简单的OCR引擎。 由于我试图对非常小（像素大小）的字符进行分类，我在分割方面遇到了一些困难。这是一个例子，经过尽力而为的图像范围阈值处理：

：

我尝试了什么

错误检测：

• 段的大横向尺寸。它主要起作用，但失败了（误报） 对于一些较大的角色。
• 分类，并以低分拒绝。这似乎有点浪费。

错误更正：

• 垂直添加像素（垂直直方图），找到最小值。在许多样本中，它会在错误的地方切割许多部分。

我还没有尝试过

• 尝试对所有可能的分割点（像素）进行分类。这将是非常浪费的，并且难以扩展为3合并字符段。
• 我一直在阅读morphology approaches，将角色变成数学曲线，但我不知道真的知道从哪里开始，或者是否值得付出努力

从哪里开始？

我不知道。因此这个问题：）

Answer 1

向后倾斜，一半闭上眼睛。

63 :-)

现在，如果只是电脑那么容易！

这与硅掩模中的双重图案（或不做？）非常接近。

我建议过采样（每个轴的像素数增加一倍或四倍），滤波（可能是低通 - 或者可能是带通=线的空间频率的带通），重新阈值直到它们分开。价格昂贵，只适用于问题区域。

Answer 2

重塑您的问题，因此您不需要细分。

真的，对于这种规模，我认为你最好投资其他方法。例如，如果您对文本进行OCR（是吗？），您可以使用行的信息（字符高度）。可用于小（但可读）字符的字体不多。我的方法是扫描扫描线中的线条（从左到右，从上到下拍摄像素）并尝试查找训练文本和扫描线（n，n-1 ... n-x）之间的相关性

你可能也需要灰度等级的信息，所以最好不要对图像进行阈值处理。