我自己的 Python OCR 程序

Question

我还是一个初学者，但我想写一个字符识别程序。这个程序还没有准备好。而且我编辑了很多，所以评论可能不完全一致。我将使用 8 个连通性来标记连通分量。

from PIL import Image
import numpy as np

im = Image.open("D:\\Python26\\PYTHON-PROGRAMME\\bild_schrift.jpg")

w,h = im.size
w = int(w)
h = int(h)

#2D-Array for area
area = []
for x in range(w):
    area.append([])
    for y in range(h):
        area[x].append(2) #number 0 is white, number 1 is black

#2D-Array for letter
letter = []
for x in range(50):
    letter.append([])
    for y in range(50):
        letter[x].append(0)

#2D-Array for label
label = []
for x in range(50):
    label.append([])
    for y in range(50):
        label[x].append(0)

#image to number conversion
pix = im.load()
threshold = 200
for x in range(w):
    for y in range(h):
        aaa = pix[x, y]
        bbb = aaa[0] + aaa[1] + aaa[2] #total value
        if bbb<=threshold:
            area[x][y] = 1
        if bbb>threshold:
            area[x][y] = 0
np.set_printoptions(threshold='nan', linewidth=10)

#matrix transponation
ccc = np.array(area) 
area = ccc.T #better solution?

#find all black pixel and set temporary label numbers
i=1
for x in range(40): # width (later)
    for y in range(40): # heigth (later)
        if area[x][y]==1:
            letter[x][y]=1
            label[x][y]=i
            i += 1

#connected components labeling
for x in range(40): # width (later)
    for y in range(40): # heigth (later)
        if area[x][y]==1:
            label[x][y]=i
            #if pixel has neighbour:
            if area[x][y+1]==1:
                #pixel and neighbour get the lowest label             
                pass # tomorrows work
            if area[x+1][y]==1:
                #pixel and neighbour get the lowest label             
                pass # tomorrows work            
            #should i also compare pixel and left neighbour?

#find width of the letter
#find height of the letter
#find the middle of the letter
#middle = [width/2][height/2] #?
#divide letter into 30 parts --> 5 x 6 array

#model letter
#letter A-Z, a-z, 0-9 (maybe more)

#compare each of the 30 parts of the letter with all model letters
#make a weighting

#print(letter)

im.save("D:\\Python26\\PYTHON-PROGRAMME\\bild2.jpg")
print('done')

Answer 1

OCR 确实不是一件容易的事。这就是文本验证码仍然有效的原因:)

仅讨论字母提取而不是模式识别，用于分隔字母的技术称为 连接组件标签。由于您需要一种更有效的方法来执行此操作，因此请尝试实现本文中描述的两遍算法。另一种描述可以在文章Blob 提取中找到。

编辑：这是我建议的算法的实现：

import sys
from PIL import Image, ImageDraw

class Region():
    def __init__(self, x, y):
        self._pixels = [(x, y)]
        self._min_x = x
        self._max_x = x
        self._min_y = y
        self._max_y = y

    def add(self, x, y):
        self._pixels.append((x, y))
        self._min_x = min(self._min_x, x)
        self._max_x = max(self._max_x, x)
        self._min_y = min(self._min_y, y)
        self._max_y = max(self._max_y, y)

    def box(self):
        return [(self._min_x, self._min_y), (self._max_x, self._max_y)]

def find_regions(im):
    width, height  = im.size
    regions = {}
    pixel_region = [[0 for y in range(height)] for x in range(width)]
    equivalences = {}
    n_regions = 0
    #first pass. find regions.
    for x in xrange(width):
        for y in xrange(height):
            #look for a black pixel
            if im.getpixel((x, y)) == (0, 0, 0, 255): #BLACK
                # get the region number from north or west
                # or create new region
                region_n = pixel_region[x-1][y] if x > 0 else 0
                region_w = pixel_region[x][y-1] if y > 0 else 0

                max_region = max(region_n, region_w)

                if max_region > 0:
                    #a neighbour already has a region
                    #new region is the smallest > 0
                    new_region = min(filter(lambda i: i > 0, (region_n, region_w)))
                    #update equivalences
                    if max_region > new_region:
                        if max_region in equivalences:
                            equivalences[max_region].add(new_region)
                        else:
                            equivalences[max_region] = set((new_region, ))
                else:
                    n_regions += 1
                    new_region = n_regions

                pixel_region[x][y] = new_region

    #Scan image again, assigning all equivalent regions the same region value.
    for x in xrange(width):
        for y in xrange(height):
                r = pixel_region[x][y]
                if r > 0:
                    while r in equivalences:
                        r = min(equivalences[r])

                    if not r in regions:
                        regions[r] = Region(x, y)
                    else:
                        regions[r].add(x, y)

    return list(regions.itervalues())

def main():
    im = Image.open(r"c:\users\personal\py\ocr\test.png")
    regions = find_regions(im)
    draw = ImageDraw.Draw(im)
    for r in regions:
        draw.rectangle(r.box(), outline=(255, 0, 0))
    del draw 
    #im.show()
    output = file("output.png", "wb")
    im.save(output)
    output.close()

if __name__ == "__main__":
    main()

它不是 100% 完美，但由于您这样做只是为了学习目的，所以它可能是一个很好的起点。通过每个角色的边界框，您现在可以使用神经网络，正如其他人在这里建议的那样。

Answer 2

OCR 非常非常难。即使是计算机生成的字符，如果您事先不知道字体和字体大小，这也是相当具有挑战性的。即使您完全匹配字符，我也不会称其为“开始”编程项目；这是相当微妙的。

如果您想识别扫描或手写字符，那就更难了 - 您需要使用高级数学、算法和机器学习。关于这个主题有很多书和数千篇文章，所以你不需要重新发明轮子。

我钦佩你的努力，但我认为你还没有走得足够远，无法解决任何实际的困难。到目前为止，您只是随机探索像素并将它们从一个数组复制到另一个数组。您实际上还没有进行任何比较，我不确定您的“随机游走”的目的。

• 为什么是随机的？编写正确的随机算法相当困难。我建议首先从确定性算法开始。
• 为什么要从一个数组复制到另一个数组？为什么不直接比较呢？

当你进行比较时，你必须面对这样一个事实：图像与“原型”并不完全相同，并且不清楚你将如何处理这个问题。

不过，根据您到目前为止编写的代码，我有一个想法给您：尝试编写一个程序来穿过图像中的“迷宫”。输入将是图像，加上起始像素和目标像素。输出是从起点到目标穿过迷宫的路径。这是一个比 OCR 更容易的问题 - 解决迷宫是计算机擅长的事情 - 但它仍然很有趣且具有挑战性。

Answer 3

如今大多数 OCR 算法都基于神经网络算法。 Hopfield 网络是一个很好的起点。基于可用的 Hopfield 模型 C 语言，我构建了一个非常python中的基本图像识别算法与您所描述的类似。我已在此处发布了完整的源代码。这是一个玩具项目，不适合真正的 OCR，但可以让您朝着正确的方向开始。

Hopfield 模型用作自动关联存储器来存储和调用一组位图图像。通过计算相应的权重矩阵来存储图像。此后，从任意配置开始，存储器将精确地确定所存储的图像，该图像在汉明距离方面最接近起始配置。 因此，给定存储图像的不完整或损坏版本，网络能够调用相应的原始图像。

可以找到一个带有示例的 Java 小程序此处；该网络使用数字 0-9 的示例输入进行训练。在右边的框中画出来，点击测试，从网络上看结果。

不要让数学符号吓倒您，一旦您获得源代码，算法就会很简单。

Answer 4

OCR 非常非常困难！使用什么方法来尝试 OCR 将取决于您想要完成的任务（手写识别、计算机生成的文本阅读等）。

但是，为了让您开始，请阅读神经网络和 OCR。以下是一些关于该主题的直接跳转文章：

http://www. codeproject.com/KB/cs/neural_network_ocr.aspx

http://www .codeproject.com/KB/dotnet/simple_ocr.aspx

使用您最喜欢的搜索引擎查找信息。

玩得开心！