我如何制作OCR计划？

Question

我想制作一个程序，将图像作为输入并输出文本。现在我知道我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，我如何生成每个角色周围的所有矩形？

那么使用什么样的方法，有没有人知道任何讨论如何做的研究论文？谢谢

Answer 1

基本方法是制作黑色像素的直方图。第一：投射一条线上的所有像素。直方图中的深谷表示线之间的分离（如果纸可能倾斜，则尝试不同的角度）。然后，每行（或每页，如果您知道字体是等宽的）投影水平直方图上的像素。这将为您提供字符间空格的强烈指示。至少这为您提供了平均字符高度和宽度的值，这将有助于您进行后续步骤。

之后，您需要处理字距调整（字符重叠的位置）。找到连接的像素，可能首先对图像进行扩张或侵蚀，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，但这样可以帮助您。

Answer 2

这听起来不像是人工智能，听起来你在谈论OCR：

http://en.wikipedia.org/wiki/Optical_character_recognition

请参阅google tesseract

http://code.google.com/p/tesseract-ocr/

编辑未经编辑的问题是询问人工智能。

Answer 3

对我来说，这个问题本身并不明确。

在谈到OCR时，将在此处留下几篇文章，以对他们有所帮助（至少对我有帮助）：

• Improve OCR Accuracy
• How to use image preprocessing to improve the accuracy of Tesseract

如上所述，tesseract也是一个很好的OCR开源python库（我个人也使用该库）。您可能采取的其他方法是通过sklearn

您可能还需要检查this stackoverflow post。

我也很确定您可以使用researchgate检查那里的任何文件（我发现了一些文件，只是不确定是否是您需要的文件）

我认为上述通用答案适合通用问题。