C# 我应该使用什么来识别单间隔数字？

我必须从视频流中识别图像中的数字，还有其他一些事情，这将使识别更容易：
1） 它是固定字体6x8，所有符号宽度相等
2） 我知道数字的确切位置，它们总是矩形的，没有旋转/缩放/缩放，但可能会因为空气传输故障而出现一些失真。
3） 只有数字和。
4） 数字背景为半黑色（50%不透明）

我尝试过tesseract v2和v3，但.NET包装器并不完美，识别错误非常大，即使我使用自定义字体进行了培训，据我所知，这是因为分辨率太小

我自己做了一个非常简单的算法，将图像变成黑白，并计算原始字体图像和流中图像之间的匹配像素，它的性能比tesseract好，但我认为更复杂的算法会更好

我曾尝试使用ActivationNetwork和BackPropagationLearning来训练一个RGE，但它无法收敛（本文的第一部分，只要我不需要缩放和几种字体，因为我理解本文中的代码是针对旧版本的AForge），不好的是，这个项目不再受支持，据我所知，论坛已经关闭，谷歌群组也关闭了

我知道有一个到.NET的OpenCV端口，据我所知，它有不同于Forge的网络方法，所以questiton是哪种方法最适合

---

那么，是否有任何.NET框架可以在这方面帮助我，如果它支持多个神经网络实现，那么哪种实现最适合我？

尝试查看和。这两个项目都解释了OCR是如何工作的，并向您展示了如何在C#和.NET中实现它。

请尝试查看和。这两个项目都解释了OCR的工作原理，并向您展示了如何在C#和.NET中实现它。

对于固定放大率的固定大小字体，您可能可以使用基于模板匹配的不太复杂的OCR方法。有关如何使用OpenCV进行模板匹配的示例，请参见（不是.NET，但希望足以让您开始）。基本思想是为每个数字创建一个模板，然后尝试在目标位置匹配所有模板，选择匹配分数最高的模板。因为你知道数字的位置，你可以在一个很小的区域内搜索每个数字。有关模板匹配背后的理论的更多信息，请参阅关于互相关

---

这实际上是简化OCR应用程序的基础（通常用于识别特殊OCR字体，如用于在硅片上打印序列号的半标准字体）。生产级算法还可以支持缩放、旋转和平移公差，但基本技术基本相同。

对于固定放大率的固定大小字体，您可能可以使用基于模板匹配的不太复杂的OCR方法。有关如何使用OpenCV进行模板匹配的示例，请参见（不是.NET，但希望足以让您开始）。基本思想是为每个数字创建一个模板，然后尝试在目标位置匹配所有模板，选择匹配分数最高的模板。因为你知道数字的位置，你可以在一个很小的区域内搜索每个数字。有关模板匹配背后的理论的更多信息，请参阅关于互相关

---

这实际上是简化OCR应用程序的基础（通常用于识别特殊OCR字体，如用于在硅片上打印序列号的半标准字体）。生产级算法还可以支持缩放、旋转和平移公差，但是基本的技术几乎是一样的。

如果您不是非常着急，我建议您首先寻找一种解决问题的方法。我在这方面有很好的经验。使用WEKA，您可以非常快速地测试一系列算法。

---

一旦你找到了解决问题的算法，你可以将它移植到.NET，构建一个包装器，寻找一个实现，或者（如果这是一个简单的算法）在.NET中重建它。

如果你不是非常匆忙，我建议你先寻找一个解决问题的方法。我在这方面有很好的经验。使用WEKA，您可以非常快速地测试一系列算法。

---

一旦你找到了解决问题的算法，你可以将它移植到.NET，构建一个包装器，寻找一个实现，或者（如果这是一个简单的算法）在.NET中重新构建它。

@Giedrius--对不起，我没有捕捉到第二个链接。虽然使用MicrosoftOffice2007OCR可以工作，但如果您的计算机上有MicrosoftOffice。@Giedrius--对不起，我没有找到第二个链接。虽然这在使用Microsoft Office 2007 OCR时有效，但如果您的计算机上安装了Microsoft Office。我非常同意，因为您处于这样一个受控环境中（固定大小、已知位置等），模板匹配就足够了，而无需进入真正的OCR。由于我得到了合适算法的名称，我发现它在，所以我使用了它，它做得很好，非常感谢。我非常同意，因为你在这样一个受控的环境中（固定大小、已知位置等），模板匹配不需要进入真正的OCR就足够了。当我得到合适算法的名称时，我发现它是在，所以我使用了它，它做得很好，非常感谢。使用Tesseract的一个尝试是将图像放大到如果您的图像来自300dpi扫描的书籍图像，您将获得的图像。通过将12像素宽的中文图像缩放到100像素宽，我让Tesseract在12像素宽的中文图像上工作。使用Tesseract的一个尝试是将您的图像放大到如果您的图像来自300dpi扫描的书籍图像，您将得到的图像。我能够让Tesseract在12像素宽的中文上工作，方法是将其缩放到100像素宽