问用智能手机摄像头识别字母

EN

你试过这个吗？这是一个Javascript库

OCRAD

这是个相当棘手的问题。我以前试过一次，让它在一个相当基本的水平上工作。真正的困难在于使它成为多面手。

那里可能有一个库，所以也许这是你最好的方法。但是，在没有库的情况下，我认为最好的方法是(我只想概述一下)。

( 1)在某种意义上，你需要拍照。我确信有方法可以从相机中获取一个持续的输入，但是即使这样，您也不能将所有这些发送回您的服务器，所以您可能至少希望从中获取帧。

( 2)字母识别不需要颜色。设备端，我建议将图像转换为黑白，甚至是一个整数数组，其值表示图像中不同点的亮度。您可能想要限制亮度相对于图像亮度的总体差异。我的意思是，找到最亮的像素，那就是整数100，最暗的是整数0，所有其他数字1到99代表最大和最小之间不同的均匀间隔亮度。

3)现在，您有一些较小的图像要发送回和处理，所以把它发送到您的服务器！

4)好的，现在有个棘手的问题:我们需要处理这个图像。首先，我们需要把所有的字母分开。问题是字母和背景可能是任何颜色。图像中很容易出现其他对象。我们现在需要计算出图像中的哪些对象是字母，它们在哪里。我解决这个问题的方法是寻找图像中最主要的相似亮度成分。我的意思是，计算每个不同亮度阈值之间的像素数，很可能纸张是最主要的贡献，字母是第二个。不一定只是可能。

5)通过图像提取出每个物体。你可以去每个像素，如果这是你的代码认为字母是的颜色，检查所有相邻的像素，然后所有的相邻像素，直到你找不到类似颜色的边缘像素。这是封信。

6)因此，在这一点上，我们有了一组代表原始图像的数字，并且从图像中有多少相同亮度的物体覆盖了多少字母，我们对这些数字有一定的了解。接下来，我们将讨论对象的实际标识，但我建议使用与后面类似的技术，以确保您的代码所认为的字母实际上就是字母。本质上，您希望从每组更有可能是字母的对象中提取几个对象，然后在这些字母上尝试实际的单个字母识别算法。可以确定为字母的集合，因为算法将(应该)输出一个对象比任何其他字母更可能是一个特定的字母。

您可以做的另一个检查是每组对象的大小。字母都应该是相当一致的大小，或一对相当一致的大小。

对，所以我们有一组对象(希望附加了一些坐标，这样您就不会忘记这些对象是从哪里来的)，它们可能是字母。我们怎么认识他们？进行“光学字符识别”的方法主要有两种。它们是:矩阵匹配和特征提取。特征提取涉及到寻找循环和线条以及字母的其他特征。这是很难编程，所以我们仍然与矩阵匹配。

依次取每个对象，并将其与表示字母表中每个字母的对象进行比较。您应该尝试对齐这两个图像，并拉伸/缩小以适应这两个图像(想想:如果相机是倾斜的，那么物体就不会匹配得太好。)如果相机离得更近，物体会变大)，然后从另一个像素中减去一个像素中的所有像素。残值最少的字母很可能是正确的。很有可能。如果您必须处理非常不同的字体，这种技术就会失败。你可以比较所有的字体，但是这需要很大的计算能力。

你也可以为图像识别做一些花哨的特征向量分析，但我不完全确定这在这种情况下是否合适。

现在，取所有最有可能的字母，使用它们关联对象中的坐标来重建文本。

简而言之，这是非常棘手的。你最好使用一个已经建好的库，但即便如此，它也不会在很多时候是准确的。

抱歉，如果这不是你想要的答案。如果你读了这么多就谢谢了。我只是觉得这是个很有趣的问题。

为了让刚刚遇到这个问题的用户受益，在GitHub上有一个JS端口Tesseract (在问题本身中提到的库)：https://github.com/naptha/tesseract.js/：所以要回答这部分问题，是的，实际上，您可以在浏览器端项目中使用Tesseract！

也可用(通过同一个开发人员！)https://github.com/antimatter15/ocrad.js/ (在前面的答案中提到过)和https://github.com/antimatter15/gocr.js/ --这两种方法都可能对您的目的有用吗?但是要记住的是，在实际识别文本的能力方面，这两种方法都没有使用与Tesseract相近的功能。因此，您将牺牲一些(有时甚至是巨大的)质量，以换取更小的脚本。