我正在 Visual Studio 平台上进行手写识别和相关工作，并使用 openCV 库。输入采用二进制扫描的 .tif 图像的形式。
目前，我遇到了一个障碍，试图找出一种方法来识别被删除的单词，就像你使用直线/曲线删除（取消）单词一样。我不会进行单个字符识别，因为这会浪费计算能力。
有没有办法以替代方式识别此类事件？
以下是我遇到的两个想法，但我不确定 - 1> 使用像 < 0 0 0 , 1 1 1, 0 0 0 > 这样的掩码，这将有助于找到所有水平线......但这将是一个非常大的假设。线条可以是波浪形的，可以是任何方向的。
2> 骨架化输入并寻找交叉点。这会给我很多交叉点 - 包括那些由于用于删除单词的线而发生的交叉点。使用一些近似值，如最小二乘等。我可以得到一条近似线。但问题是在许多地方都可能出现交叉路口——例如。'b'中的2个交叉点等。
有什么建议么？
为什么不处理轮廓？您可以利用 Poly (Ten-Chin) 近似并仅分析由链重建产生的少数向量。如果您想做更多，请使用混合金字塔/轮廓方案，以获得具有不同细节级别的向量近似值，从粗略分辨率到最精细分辨率。
当你得到一个“合理”数量的独特片段时停止细化，应用归一化（见 Moments - Hu's Moments）来制作你的样本指纹，最后采用强大的分类系统。
我建议您查看 OpenCV 套件的 ML（机器学习）部分，以便更好地参考后面的部分。对于栅格数据，Haar 的小波 + 隐马尔可夫模型效果很好，对于矢量，也许你可以使用一些不太难设置的东西（SOM、KNN、KMeans）。
我会选择个人字符识别。这可能会浪费计算能力，但可以提供最好的结果。只需找到一种从字符识别中获取值的方法，该值表明该字符被识别得有多好，然后为非字符的事物找到一个阈值。我认为取消会以某种方式破坏字符，从而识别将无法找到某些东西，也许你可以使用这个事实来找到被取消的字符。为了改善结果，在文本的同一区域寻找许多识别不佳的字符，通常会取消整个单词，因此识别不好的结果会聚集在一起。
如果你的表现最终很糟糕，你可以随时回来改进算法。
