ocr - 字符识别(OCR算法)

Question

关闭。这个问题需要更多focused .它目前不接受答案。












想改善这个问题吗？更新问题，使其仅关注一个问题 editing this post .

6年前关闭。




Improve this question




我正在开发一个项目，我必须在其中开发 OCR 算法(我必须从图像中读取文本，然后将其转换为不同的语言)。所以我的第一个任务是从图像中获取文本。

完成第一个任务的步骤。

从给定源加载任何图像格式(bmp、jpg、png)。然后将图像转换为灰度并使用阈值(Otsu 算法)进行二值化。//完成(如何从输出图像中去除噪声？？？)

结果

检测图像特征，如分辨率和反转。以便我们最终可以将其转换为拉直的图像以进行进一步处理。 (完成了 Image 的旋转代码，但无法检测到我们必须旋转 Image 的 Image 角度，因此仍在研究角度检测部分)

线条检测和去除。这一步需要改进页面布局分析，实现更好的下划线文本识别质量，检测表格等。(决定在最后完成那部分)

页面布局分析。在这一步中，我试图识别图像中存在的文本区域。这样只有那部分用于识别，其余的区域被排除在外。

检测文本行和单词。这里我们还需要处理不同的字体大小和单词之间的小间距。

字符识别。这是OCR的主要算法；每个字符的图像必须转换为适当的字符代码。有时，该算法会为不确定的图像生成多个字符代码。例如，识别“I”字符的图像可以产生“I”、“|”稍后将选择“1”、“l”代码和最终字符代码。

将结果保存为选定的输出格式，例如可搜索的 PDF、DOC、RTF、TXT。保存原始页面布局很重要:列、字体、颜色、图片、背景等。

所以我在第 6 部分需要帮助。我已经完成了行检测部分(从包含 n 行的段落中获取 n 个图像)但在下一部分中卡住了获取单词和字符识别。如果您知道与 OCR 和字符识别部分相关的良好链接，请发布这里。

对于字符识别，我想使用 asprise(Java 库) http://asprise.com/product/ocr/index.php?lang=java

Answer 1

检测 旋转角度 ，使用 Hough transformation .

对于 降噪 , 将没有邻居(北、东、南或西)的任何像素替换为具有相同颜色(使用容差阈值的相似颜色)，并使用邻居的平均值。

搜索 的垂直白色间隙布局检测 .沿垂直间隙切片。对于每个切片，现在搜索水平间隙和切片。如果切片具有相同(相似)的高度，则您处于行级。否则重复垂直/水平切片，直到只剩下线条。最后一步再次是垂直切片，为您提供单个字符(或在某些情况下连字)。长而窄或短而宽的切片是线。

将字符切片与字符库进行比较。如果性能不是主要问题，请尝试在不同字体库中查找字符，直到您可以识别使用的字体。然后坚持使用该字体 字符识别 .

在原始图像中，将每个字符替换为背景颜色，这是通过为字符的每个像素插入不属于字符的像素来确定的。这为您提供了 背景图片 ，如果有的话。