【发布时间】：2012-04-13 09:20:00
【问题描述】：
我看到了一些关于根据不同引擎的输出确定最佳 OCR 结果的问题，答案通常是“选择最佳引擎”。 但是，我想捕获几帧文本图像，可能会有临时遮挡或临时故障。 我正在使用 tesseract-ocr 和 python-tesseract。
考虑到最后 N 帧的 OCR 输出，我想确定什么是最好的结果（为简单起见，逐行）。
例如，对于 N=3，我们可以使用中值过滤：
ABXD
XBCX
AXCD
当3个字符中有2个相等时，多数人获胜，因此结果为ABCD。 但是，对于不同的字符串大小，这并不容易。如果我期望给定大小 M（如果扫描价格表，行通常是 XX.XX），我总是可以对大于 M 的字符串进行惩罚。
如果我们在谈论数字，中值滤波会很好用（计算机视觉中的简单背景减法），或者一些最小均方自适应滤波。
还有字符相似的问题：l 和1 可能非常相似，具体取决于字体。
我也在考虑使用每个字符串之间的字符串距离。例如，选择与其他字符串的距离之和最小的字符串。
以前有人解决过这种问题吗？有没有我应该知道的这类问题的已知算法？
【问题讨论】：
-
为了处理不同长度的字符串，您可以尝试查找最长的公共子字符串，例如对于
blended和blencled，LCS 是blen*ed，所以比赛在d和cl之间进行。无论如何，有趣的问题，太糟糕了，我没有更具体的东西:) -
@RafałDowgird LCS 不是
blen吗？ -
不，LCS 可以跳过索引（在两个字符串中）。
标签： algorithm ocr string-matching fuzzy-comparison