我希望我的应用程序以一种形式填写单个字段 存在为黑白图像文件。形式总是如此 以相同的纸质版本开始，但到时候我的 应用程序从我的用户获取它，它可能已被扫描或传真更多 不止一次。因此，我需要的领域不在 每个文件中的相同位置。
我的用户并不总是从我这里得到空白表格，所以我没有 有能力打印我可以的标记或占位符 后来才认识到。
原始空白表格上有文字，但因为它可能 已传真，我只有200 dpi的分辨率。文本 对于一个人来说，它总是足够大，但我仍持怀疑态度 关于OCR。
我有一些预算，所以我不需要免费解决方案......让我们 只要说2000美元。
那就是说，我正在考虑
获取OCR解决方案以查找文本 我需要的领域标签。我不 我想我有资源或者 我自己的专业知识。我不 需要完美的认可，因为我 已经知道文字说的是什么了。 但我确实需要知道X-和 Y坐标。有软件吗？ 这样做？或者编程比我想象的更容易？
构建或购买要识别的软件 形式的边缘。从那里， 我可以得到相对的位置 我需要的领域。我在想 虚线我的扫描仪软件围绕着图像 一份小文件。这是一个众所周知的 algorhthm还是有空的 溶液
其他一些认识方式 我需要的领域。尝试google 表格填写软件给我 数百场网络表格比赛， pdf表格等不做我的事 需要。
我对语言并不挑剔。我的应用程序在Linux上运行，但如果最好的解决方案是Microsoft，我可以做到这一点。
我很感激你的想法。
答案 0 :(得分：4)
如果我理解正确，表格总是相同的，但由于影印/传真，可能会移动，缩放或稍微旋转。在这种情况下，您的问题是图像注册之一：找到最佳的刚性转换，使用户的表单与您的“模型”形式对齐，您可以在其中知道字段的位置利益。知道转换后，您可以在用户的表单中计算字段的位置。
有许多图像配准算法，通常是为诸如对齐大脑的MR图像等应用而开发的。它们的计算成本很高，需要统计先验。幸运的是，您的情况更容易：您需要做的就是在用户表单的内容周围放置一个矩形。协调下降应该有效。你需要一些噪音容忍度（表格外的垃圾）。
答案 1 :(得分：0)
以下是一些可用的OCR解决方案的一些摘要（开源而非）：http://googlesystem.blogspot.com/2007/04/open-source-ocr-software-sponsored-by.html
答案 2 :(得分：0)
刚性注册可能还不够。用户可以修改模板表单的布局和格式，例如更改字体，更改复选框或输入框的位置，在不同的换行位置打破段落等等。这些差异比纯粹处理更复杂转移，旋转或规模转换。此外，如果您的图像是二进制图像（黑白），我不认为那些医学图像配准算法（处理灰度图像）将有很大帮助。您的成本函数和最小化策略可能会相应更改。