您好，我是一名新手程序员，在简单的图像处理方面遇到了麻烦。
我的目标是让程序认识到这两个 A 是……嗯，都是 A。如果你仔细看，你会发现它有点不同。（在像素的范围内。）虽然任何有文化的人都可以将两者都读为“A”，但我敢肯定，逐像素比较的程序不会工作，因为这两个 A 实际上是不同的。更糟糕的是，这两个有不同的尺寸——一个是 48*60，另一个是 48*61。
我想知道程序是否有办法将其“读取”为 A。我听说这是一种叫做计算机视觉的东西（不太确定）......我真的更喜欢简单的方法 - 它不是识别任意字符；只有'A'。但如果不能这样，任何让计算机将这两者都视为 A 的解释都非常受欢迎。
提前致谢:)
【问题讨论】：
标签： image-processing computer-vision identification
首先：字符识别不仅不是一个简单的问题，也不是一个完全解决的问题。
有很多 OCR 实现吗？是的。这些实现好吗？这取决于应用程序。您认为 OCR 应该越通用，现有的实现看起来就越糟糕。
长话短说，有专门针对这个主题的书籍，并且需要一定长度的书才能提供任何有意义的详细程度的答案。
OCR（光学字符识别）有很多技术。已针对 (a) 机器打印字符与 (b) 手写字符开发了不同的技术。阅读机印字符通常更容易，但不一定容易。阅读手写字符可能非常困难，并且仍然是一个未完全解决的问题。请记住，还有其他“脚本”（用于书写的字符系统），拉丁字符的识别技术可能与繁体汉字的识别技术不同。 [如果你能写一个手机OCR应用来快速准确地读取手写汉字，你可以赚一大笔钱。]
https://en.wikipedia.org/wiki/Optical_character_recognition
OCR 有很多方法，如果您对实际编写代码来执行 OCR 感兴趣，那么您自然应该考虑首先实现至少一种更简单的技术。从你的 cmets 听起来你已经在研究这个了，但简单地说：不要先看神经网络。是的，您可能最终会到达那里，但是在您可以大量使用神经网络技术之前，还有很多关于成像、照明和基本图像处理的知识。
但在深入研究之前，请花一些时间尝试自己解决问题：
稍作修改后，阅读一些基本的图像处理技术。一本好书是冈萨雷斯和伍兹的数字图像处理。
（归一化相关是一种简单的算法，您可以在网上和书中阅读。它对于某些简单类型的 OCR 很有用。您可以将归一化相关视为比较参考“A”字符的“模板”的一种方法到可能是也可能不是“A”字符的其他字符的样本——模板与样本越接近，样本是 A 的置信度越高。
所以是的，尝试使用 OpenCV 的模板匹配。首先修改 OpenCV 函数，了解模板匹配何时有效以及何时失败，然后更仔细地查看代码。）
最近对 OCR 技术的调查可以在本书中找到：Character Recognition Systems，作者 Cheriet。这是研究各种算法的一个很好的起点。其中一些技术将非常令人惊讶和违反直觉。
要了解有关人类如何识别字符的更多信息（其细节通常令人惊讶且违反直觉），请阅读 Dehaene 的Reading in the Brain一书。这本书可读性很强，不需要特殊的数学或编程技能。
最后，对于任何 OCR 算法，请务必牢记以下几点：
祝你好运！
【讨论】：
您的问题看起来像光学字符识别。一种非常常见的方法是使用神经网络。神经网络将分析图像并为您提供每个字母的概率。 但是你必须先训练它，而且神经网络是一个积极研究的主题，所以我知道没有一个简单的“插入式”解决方案。
【讨论】：
好的，确实没有简单的“插入”来解决这个问题。我将尝试以一种简单的方式解释神经网络方法，以便为您澄清一点。 首先，您需要以更简单的方式表示图像！ 这意味着，现在你的图像是 48*60 矩阵并且是灰度的。 考虑采取以下措施：
现在我们将对结果使用装箱方法。将您的 50*50 图像划分为例如 8*8 网格部分。计算每个部分中有多少像素，并将结果放入 8*8 矩阵名称 C 中。 现在您有一个 8 x 8 的矩阵 C，它是原始图像的简单表示。 收集一些训练数据和测试数据，然后简单地使用 matlab 的神经网络模式识别应用程序（你需要知道 ANN 的工作原理才能使用这个应用程序）
【讨论】：