问题标签 [ocr]

我现在被困在定义每条线的尺寸上。我要抓取的列表中有各种颜色，最让我不安的是一个选择：

如您所见，我尝试分析的图片是带有绿色文本的白色背景。选择背景为灰色，带有黑色文本。并且每一行都有一个稍微灰色的背景，但我设法用 ColorMatrix 来控制对比度。

仅供参考，我确实有一些其他的 ColorMatrizes，如 Greyscale、Negative、SetContrast、SetBrightness 等。

我的搜索线条的方法确实适用于图片的大部分部分，但选择会阻止它。

所以现在我被卡住了，不知道该怎么办。我google了一个小时，但没有找到解决方案。

我想，也许我可以将背景灰色从选择转换为白色，而不影响文本和灰度图片的其余部分。但我找不到能完成这项工作的 ColorMatrix。

你知道一个或有更好的解决方案吗？

我遇到了 Lockbits 的问题。我正在搜索黑色像素，因为它看起来不正确，所以我使用 WindowPopup 来打印每个像素的颜色，但这就像我的程序正在使用另一张图片一样。

替代文字 http://i208.photobucket.com/albums/bb91/Savaronna/pixel-1.jpg?t=1234874238

我将第一个发现的黑色像素标记为红色。如您所见，还有其他几个像素也应该匹配。我究竟做错了什么？

这是我的剧本，我需要监督吗？

我设法将每个字符存储在位图中，并正在寻找一种方法来快速确定它是哪个字符。

因此，我将把每个可能的字符存储到一个 1 和 0 的数组中，并将它们与我刚刚抓取的位图数组进行比较。

我可以做一些简单的检查，比如比较我得到了多少黑色像素，比较尺寸等等，但是所有这些检查都很慢（只是猜测..）。

所以我正在寻找的是一种方法，它从下到上遍历每个像素，或者随机将数组与一组数组进行比较并排序不匹配，直到只剩下一个数组。但是我该如何实现呢？

谢谢你的帮助。

斯文

.net compact 框架中是否有任何库或代码示例可以将图像转换为文本？我在手机上看到了一个应用程序，你可以拍一张名片的照片，它会自动填写联系人记录，所以我知道这是可能的，但我想知道怎么做。我搜索了谷歌，似乎找不到任何特定于紧凑框架的东西，有没有人有任何想法？谢谢

晚安 ：）

我目前正在使用 DevIL 库，它允许我加载图像并检查每个像素的 RGB 值。作为一个个人学习项目，我正在尝试为我在 Photoshop 中制作的几张图像编写一个非常基本的 OCR 系统。

我成功地消除了图像中的所有扭曲，留下了文字和数字。我目前不是在寻找从输入中学习的高级神经网络。我想开始相对容易，所以我开始识别单个字符并计算这些字符中的像素。

我有两个问题：

• 识别单个字符。
• 最重要的是：我需要一种算法来计算连接像素（相同颜色），而不计算我之前计算过的像素。我没有数学背景，所以这对我来说是最大的问题。

感谢您对此事的任何帮助，谢谢。

编辑：

我已将此问题标记为 C++，因为这是我目前使用的。但是，其他语言的伪代码或易于阅读的代码也可以。

我需要在可以识别手写内容的 .NET 应用程序中使用 OCR 组件。我们启动并运行了 MS office 的 MODI 组件，它可以识别打印文本，但不能识别手写内容。

我不介意付钱。

有人有什么建议吗？

非常感谢吉姆

当需要 OCR 的精确放置时，我在 XML-FO 页面（通过 FOP 运行）中有一个项目。每当编辑页面（或包含的页面）时，都很难将 OCR 线恢复到位。

FOP 是否可以指定确切的位置。而不是让页面上的先前项目推动项目？

我正在开发一个程序来使用 OCR 技术从图像中识别字符。到目前为止，我使用了一种扫描图像的方法，但现在我必须使用神经网络。请解释什么是单层感知器以及如何使用它来训练网络。

我打算使用经过反向传播训练的多层感知器网络（一个隐藏层，输入用作包含图像中黑白像素的 8x8 位矩阵）。出现以下问题：

1. 我应该使用哪种类型的学习：批量学习还是在线学习？
2. 我如何估计隐藏层中正确的节点数？我打算处理英文字母的26个字母。
3. 我怎样才能停止训练过程，以避免过度拟合？
4. （不太相关）是否有另一个比 MLP 表现更好的 NN？我知道 MLP 会陷入局部最小值、过度拟合等问题，那么是否有更好的（基于软计算的）方法？

谢谢

我正在寻找算法、论文或软件来增强传真、来自手机摄像头的图像以及其他类似来源的可读性和 OCR。

我主要对简单的增强感兴趣（例如，你可以使用 ImageMagick 做的事情），但我也对更复杂的技术感兴趣。我已经在与供应商交谈，所以对于这个问题，我主要是在寻找算法或开源软件。

进一步澄清：我不是在寻找 OCR 软件或算法；我正在寻找算法来清理图像，使其看起来对人眼更具可读性，并且可能用于 OCR。