image-processing - 如何识别图像中的字母？（在 OCR 之前）

Question

我在网上只能找到关于 OCR 的信息，但我还没有，我仍然需要识别图像中字母的位置。

任何帮助将不胜感激

Answer 1

有趣的是，答案并不像看起来那么简单。有些人可能认为在图片上定位字符是 OCR 的第一步，但事实并非如此。实际上，在您真正完成识别之前，您无法确定每个字符的位置。

它的工作方式完全取决于您要识别的图像类型。首先，您应该在文本区域（块）和其他所有内容上分割您的图像。

仅举几个例子：

• 如果你在汽车图片上识别车牌，你应该首先找到车牌，然后才将其拆分为单独的字符。
• 如果您正在识别某些申请表，您可以通过了解其布局来定位文本所在的区域
• 如果您正在识别书页的扫描，则必须将图片与文本区域区分开来，然后仅处理文本。

从这一刻开始，您不再需要原始图像，您所需要的只是文本块的二值化图像。所有 OCR 算法都适用于二进制图像。您可能还需要进行其他类型的图像转换，如直线拉直、透视校正、倾斜校正等 - 所有这些再次取决于您识别的图像类型。

找到文本块并对其进行规范化后，您应该进一步查找文本块上的文本行。在文本水平线的简单情况下，通过水平线创建像素直方图非常简单。

现在，当你有台词的时候，你可能会认为现在很简单，你可以把它分成字符，huray！再次，这是错误的。有连字、断字甚至连字（两个字母形成一个单一的形状）等现象，或者字母的部分在下一个字符的右上方或下方。你应该做的是创建几个分割线到单词和单个字符的 hipotesis，然后尝试每个单独的变体 OCR，用置信度对每个 hypotesis 进行加权。最后一步是使用字典检查此图中的不同路径并选择最佳路径。

只有现在，当您真正识别出所有内容时，您才能说出各个角色所在的位置。

因此，简单的答案是：使用 OCR 程序识别您的图像，并从其输出中获取字符坐标。

Answer 2

一般来说，您会寻找几乎纯色的小连续区域。我建议对每个像素进行采样并构建一个附近像素的数组，这些像素也落在原始像素颜色的阈值内（对每个匹配像素的邻居重复）。将整个数组作为潜在角色放在一边（或现在检查）并继续前进（可能会忽略以前收集的像素以加快速度）。

如果您事先知道文本的字体大小、质量和/或颜色，则可以进行优化。如果不是，您将希望对构成“连续区域”的阈值相当慷慨。