Algorithm 使用OCR分离单词中连接字母的典型方法是什么

我对OCR非常陌生，几乎对用于识别单词的算法一无所知。我只是越来越熟悉这一点

请问有谁能就识别和分离连接形式中的单个字符（我指的是所有字母都链接在一起的单词）的典型方法提供建议？忘了手写吧，假设字母是用已知字体连接在一起的，那么确定单词中每个字符的最佳方法是什么？当字符单独书写时没有问题，但是当它们连接在一起时，我们应该知道每个字符的开始和结束位置，以便进入下一步并将它们分别与字母匹配。

---

有什么已知的算法吗？

这个过程的标准术语是“字符分割”——分割是一种图像处理术语，用于将图像分割成分组区域进行识别。“阿拉伯字符分割”如果你想了解更多

我鼓励你看看，尤其是

中定义的功能对此有一些介绍，但这里有大量信息

基本上，Tesseract通过查看blob（不是字母）然后将这些blob组合成单词来解决问题。这样可以避免您描述的问题，同时创建新问题

---

对于阿拉伯语（正如你所指出的），Tesseract不起作用。我对这方面不太了解，但似乎暗示这是一种有用的技术。这将尝试拉伸单词以使其与已知单词匹配，并且再次在单词而不是字母空间中工作。

Tesseract不太可能处理像阿拉伯语这样的连接脚本。需要一些专门的算法来处理这种情况，但目前还没有。code.google.com/p/tesseract-ocr/wiki/trainingtesseract足够公平了。我以为你是在谈论它，用的是连接英语（ir草书）。希望这些想法是有用的。我将用阿拉伯语补充另一个答案。