如何制作 OCR 程序？ [关闭]答案

【问题标题】：How do I make an OCR Program? [closed]如何制作 OCR 程序？ [关闭]
【发布时间】：2011-09-26 20:07:03
【问题描述】：

我想制作一个将图像作为输入并输出文本的程序。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，我将如何在每个单独的字符周围生成所有矩形？我可以用什么方法来做到这一点？

【问题讨论】：

【解决方案1】：

一种基本方法是制作黑色像素的直方图。第一：将所有像素投影在一条线上。直方图中的深谷表示线条之间的分离（如果纸张可能倾斜，请尝试不同的角度）。然后，每行（或每页，如果您知道字体是等宽字体）将像素投影到水平直方图上。这将为您提供字符间空格的强烈指示。至少，这会为您提供一个平均字符高度和宽度的值，这将在接下来的步骤中为您提供帮助。

之后，您需要注意字距调整（字符重叠的地方）。找到连接的像素，可能首先对图像进行膨胀或腐蚀以补偿扫描伪影。

根据扫描图像的质量，您可能需要使用更先进的技术，但这会让您继续前进。

【讨论】：

这很有趣，因为虽然我认为你描述的方法有时会很好用，但它不能学习？可以训练神经网络以更好地阅读单个符号，但是一旦它变得完美，使用你的想法，我觉得它可能会受到程序的这一部分的限制。你认为是这样还是我判断错误？
啊，我有点误读了你的问题。传统的方法是做 1）图像增强 2）分割 3）字符识别（使用 NN） 4）使用上下文信息（字典查找或应用统计数据）。您基本上可以选择使用 NN 进行分割或使用 NN 组合 2) 和 3)。后者将具有挑战性，但具有潜在的优势。如果你想将 NN 应用于分割，你必须想出好的特征。使用直方图山谷可能就是其中之一（我自己没有这样做，所以真的无法预测结果）。
恭喜！您几乎重新发明了霍夫变换。

【解决方案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

见谷歌正方体

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

编辑未经编辑的问题是关于人工智能的。

【讨论】：

@quanta AI 和 OCR 不是一回事。称它为 AI，你描述的是错误的东西。

【解决方案3】：

对我来说，这个问题本身似乎并不明确。

在谈到 OCR 时，会在这里留下几篇文章，它们可能会有所帮助（它们至少对我有帮助）：

如上所述，tesseract 是一个很好的 OCR 开源 python 库（我个人也使用的那个）。您可以采取的其他方法是通过sklearn

您可能还想查看this stackoverflow post。

我也很确定你可以使用researchgate 来检查那里的任何文件（我找到了一些，只是不确定这是否是你需要的）

我认为上述通用答案适合通用问题。

【讨论】：

您好，如果问题不清楚，通常在 SO 上，那么最好在明确之前不要回答。如果您认为已经发布了一个可以解决该问题的答案，那就更是如此。