【发布时间】：2012-02-16 16:56:33
【问题描述】：
我需要从 TIFF 文件中提取/裁剪中间的标识 (BEAVER)，如下所示：http://i41.tinypic.com/2i7rbie.jpg
然后我需要自动化这个过程，这样它就可以重复大约 900 万次......
我的猜测是我必须使用一些 OCR 软件。但是这样的软件是否有可能“裁剪从该点以下开始并在该点以上结束的任何内容”？
想法？
【问题讨论】：
【发布时间】：2012-02-16 16:56:33
【问题描述】：
通常 OCR 软件仅从图像中提取文本并将其转换为某些特定于文本的格式。它不做作物。但是，您可以使用 OCR 技术来完成您的任务。我建议如下：
- OCR 整页
- 获取已识别文本的坐标
- 将您的魔法规则应用于识别的文本以定位要裁剪的区域：例如“应用程序填充”和“声明”句子之间的任何内容。
- 从图像中剪切该区域并将其导出到您想要的位置。
真正的挑战在于您要处理的文本量。在定义“智能规则”时必须非常小心，以确保它们不会提供误报，并始终将可疑图像发送到单独的队列，稍后您将手动查看和更新规则。
一般来说可能是这样的：
- 获取前 10 张图片，定义徽标检测规则，测试并查看是否一切正常
- 然后在下一个 10 上运行，查看哪些错误已处理，哪些未处理，更新规则，重新处理这 10 个以确保现在一切正常
- 在相同大小的新批次上重新运行它，直到它开始正常工作。
- 然后将批次大小从 10 增加到 100，并继续使用这些批次，直到一切再次开始顺利运行
- 然后继续以这种方式完善您的规则并增加批量大小。在某个时间点，您会达到生产速度。
您很可能会遇到一些奇怪的图像，这些图像要么与现有规则相矛盾，要么就是错误的。并非总是必须更新规则以适应它。在您的 900 万个收藏中，可能只有十几个这样的图像。将它们留在异常队列中进行手动处理可能会更好，并且不要危及您的魔法规则的稳定性。
【讨论】：
-
谢谢！听起来不错的方法。后续问题：我应该改用裁剪软件吗？
-
“裁剪软件”是什么意思？ Photoshop？