我正在努力学习图像处理，并在这方面为自己设定了一个目标。一个号码识别系统。
因此，我学习了 Alasdair McAndrew 的 An Introduction to Digital Image Processing with Matlab，并了解了诸如边缘检测、阈值、膨胀和腐蚀以及命中和未命中变换等内容。
现在的问题是，我很难想象这些工具将如何帮助我实现目标。
我还有许多其他关于图像处理的书籍，虽然他们都教如何腐蚀或膨胀，但没有人告诉我如果我想识别图像中的对象、数字或字符该怎么做。
这真的很令人沮丧，因为在网上查找可以为这个问题提供非常笼统和广泛的答案。
谁能告诉我如何从我使用这些技术在绘画中制作的图像中识别数字。
如果不是至少可以建议我一本书甚至一个领域，因为在看了很多书之后，我得到的印象是我看错了方向。
OCR 的方法太多，可能很难推荐任何具体的方法。但目前有许多免费的 OCR 系统可用，您可以下载其中一些并查看它们如何处理字符识别。我见过的开源项目如下：
gocr http://jocr.sourceforge.net/
克拉拉-ocr http://www.claraocr.org/
cuneiform https://launchpad.net/cuneiform-linux（开源商业 ocr 引擎）
tesseract http://code.google.com/p/tesseract-ocr/（开源商业 ocr 引擎）。
先进的ocr引擎通常的做法是同时结合几种字符识别方法，然后使用某种投票机制来选择字符的最佳匹配。
通常所有的引擎都是从图像的聚类开始，将文本分割成单个字符。然后运行多个算法以尝试识别每个字符。例如，楔形文字 ocr 引擎使用 a) 特征检测（如字符中的笔画数），这是膨胀/等的地方。东西很有用 b) 将字符图像下采样到 15x15 大小，然后应用像识别器这样的神经网络。c) 针对特定字符的多个临时规则。
我认为，从神经网络或其他分类器（例如线性分类器或支持向量机分类器）开始是尝试并获得快速结果的最佳方法。
所以在你的地方，我将从简单的字符分割算法开始 + 在数字图像数据库上训练简单的神经网络/线性/支持向量机分类器。NIST 提供了手写数字图像的大型数据库。