如何转换/匹配手写的名单？ （HWR）

Question

我想看看我是否可以扫描一个班级的登录表。好消息是我知道可能写的90％的名字。

我的想法是使用tessaract来解析名称的图像，然后使用Levenshtein算法将每一行与我的数据库中的名称列表进行比较，如果我得到相当接近的匹配，则该名称是正确的。

这种方法听起来不错吗？如果没有，其他想法？

我尝试在样本表上使用tesseract（见下文）

我用过：

tesseract simple.png -psm 4 outtxt
Tesseract Open Source OCR Engine v3.05.01 with Leptonica
Warning. Invalid resolution 0 dpi. Using 70 instead.
Error in boxClipToRectangle: box outside rectangle
Error in pixScanForForeground: invalid box

我认为它不像第2行，因为我走到了线下。

我得到的结果是：

1.. AM: (harm;

l. ’E (J 22 a 00k

2‘ wau \\) [HQ

4. KIM TAYLOE
5. LN] Davis

6‘ Mzflé! Ha K

显然不是最好的，我的猜测是4＆amp;的距离匹配。 5会起作用，但其余的都不会接近。

我控制了我的登录表，但没有人员的笔迹，所以如果有任何改变，我可以帮忙，请告诉我。

Answer 1

Microsoft为handwritten text提供OCR API（向下滚动页面，不标准文本ocr api）：

预览：从图像中读取手写文本 这项技术（手写OCR）允许您从笔记，字母，散文，白板，表格等中检测和提取手写文本。它适用于不同的表面和背景，如白纸，黄色便签和白板。

手写文本识别功能可以节省时间和精力，并且可以让您拍摄文本图像，而不必转录文本，从而提高工作效率。它可以对笔记进行数字化，从而使您可以快速轻松地进行搜索。它还可以减少纸张杂乱。

注意：此技术目前处于预览状态，仅适用于英文文本。

要尝试此光学字符识别演示，请上传本地存储的图像或提供图像URL。除非您允许，否则我们不会存储您为此演示提供的图像。

编辑：这是我的测试结果，它对您的输入数据几乎完美：

Answer 2

由于你的目标只是获取名字 - 我建议你将tessedit_char_whitelist缩减为英文字母（“ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789.”），这样你就不会得到你不期望的字符输出如\\) [。

如果您成功从手写图像中提取文本（这对于tesseract来说是一项艰巨的任务），那么计算L距离的初始方法就可以了。

我还建议对你的图像进行一些预处理。例如，您可以删除水平线并提取它们周围的文本ROI。在最好的情况下，您将能够提取分离的字符，但即使您不这样做 - 您将获得更好的结果＆amp;将能够“逐行”区分结果名称。

您还应该尝试其他推荐的输出质量改进阶段，您可以在Tesseract OCR wiki（link）中找到