问用Python自动识别字体

EN

正如“任择议定书”所述，有两部分(可能还有第三部分)：

1. 使用PIL生成字体图像。
2. 使用图像分析工具包，比如OpenCV (它有Python )来比较不同的形状。有各种各样的标准技术来比较不同的对象，看看它们是否相似。例如，尺度不变矩工作得相当好，并且是OpenCv工具包的一部分。
3. #2中的大多数标准工具都是为寻找相似但不一定相同的形状而设计的，但是对于字体比较而言，这可能不是您想要的，因为字体之间的差异可以基于非常精细的细节。要进行详细的分析，请尝试比较每个字母周围的周边路径的x和y配置文件，当然，也要适当地标准化。(在字体分析中使用了这个或更复杂的数学变体，取得了很好的效果。)

我不能提供Python代码，但这里有两种可能的方法。

1. “特征字符”在人脸识别中，给定大量的归一化人脸图像训练集，可以利用主成分分析(PCA)得到一组“特征脸”，当训练人脸投影到该子空间时，这些特征人脸的方差最大。输入测试面相对于特征面空间的“坐标”可以作为分类的特征向量。对于文本字符，也可以做同样的事情，即字符'A‘的许多版本。
2. 动态时间偏差(DTW)这种技术有时用于手写字符识别。这个想法是，铅笔尖端的轨迹(即d/dx，d/dy)对于相似的字符是相似的。DTW使单个人的写作实例之间的某些变化不变。同样，字符的轮廓可以表示一个轨迹。然后，这个轨迹成为每个字体集的特征向量。我想DTW部分与字体识别不一样必要，因为机器创建字符，而不是人。但是，消除空间歧义仍然是有用的。

这个问题有点老了，所以这是一个最新的答案。

你应该看看这篇论文，DeepFont:从图像中识别字体。基本上，这是一个神经网络，训练成吨的图像。它是在这段视频上进行商业展示的。

不幸的是，没有可用的代码。然而，有一个独立的实现可用的这里。您需要自己训练它，因为没有提供权重，但是代码非常容易理解。此外，请考虑此实现仅适用于少数字体。

还有一个指向数据集的链接和一个回购来生成更多的数据。

希望能帮上忙。