neural-network - 如何制作 OCR 程序？

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 .

去年关闭。




Improve this question




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，我将如何生成每个字符周围的所有矩形？我可以用什么方法来做到这一点？

Answer 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的)将像素投影到水平直方图上。这将为您提供字符间空间的强烈指示。这至少会为您提供一个平均字符高度和宽度的值，这将有助于您进行后续步骤。

之后，您需要处理字距调整(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 eclipse 以补偿扫描伪影。

根据扫描图像的质量，您可能需要使用更高级的技术，但这会让您继续前进。