Matlab 从具有C++；密码 我有一个C++程序存储在文本图像中。我需要的是从文本图像中提取符号、字母数字和标记，以及它们的尺寸。此处尺寸表示文本图像中的起始行、结束行、起始列、结束列像素数。这里我举一个例子： 如果存在一个带有C++代码的文本图像（图像是*.pNG格式）， #包括 使用名称空间std；

我必须编写一个matlab代码来读取上面的图像，并生成以下数据集：

+-------------+-----------+-----------+---------+--------------+------------+
| Line Number |   Item    | Start_Row | End_Row | Start_Column | End_Column |
+-------------+-----------+-----------+---------+--------------+------------+
|           1 | #         | ---       | ---     | ---          | ---        |
|           1 | include   | ---       | ---     | ---          | ---        |
|           1 | <         | ---       | ---     | ---          | ---        |
|           1 | stdio.h   | ---       | ---     | ---          | ---        |
|           1 | >         | ---       | ---     | ---          | ---        |
|           2 | using     | ---       | ---     | ---          | ---        |
|           2 | namespace | ---       | ---     | ---          | ---        |
|           2 | std       | ---       | ---     | ---          | ---        |
|           2 | ;         | ---       | ---     | ---          | ---        |
+-------------+-----------+-----------+---------+--------------+------------+

+-------------+-----------+-----------+---------+--------------+------------+
|行号|项目|开始|行|结束|行|开始|列|结束|列|
+-------------+-----------+-----------+---------+--------------+------------+
|           1 | #         | ---       | ---     | ---          | ---        |
|1 |包括|--|--|--|--|
|           1 | <         | ---       | ---     | ---          | ---        |
|1 | stdio.h |------------------|
|           1 | >         | ---       | ---     | ---          | ---        |
|2 |使用|--|--|--|--|
|2 |名称空间|--|--|--|--|
|2 |标准|--|--|--|--|
|           2 | ;         | ---       | ---     | ---          | ---        |
+-------------+-----------+-----------+---------+--------------+------------+

我觉得整个目标可以分为三个部分：第一，文本图像的分词。第二，坐标的识别。第三，行号的计数

对于前两个目标，我使用了Tesseract OCR，它可以识别单词及其各自的坐标。下面是我提取单词和相应坐标的方法。[我已手动将图像从ONG格式转换为TIF格式，如tesseract手册中所述]

<Path to Tesseract-OCR folder>\tesseract.exe "image.tif" output \*extracts words*\
<Path to Tesseract-OCR folder>\tesseract.exe "image.tif" output makebox \*extracts word dimensions*\

\tesseract.exe“image.tif”输出\*提取单词*\
\tesseract.exe“image.tif”输出makebox\*提取单词尺寸*\

作为输出，我将把单词提取到一个名为output.txt的文本文件中。但是，makebox命令正在查找图像中每个字符的坐标。然而，我需要找到每个单词的坐标（在本例中，分别是符号和标记）

所以，我的问题是如何生成这样一个文本文件，它将分别显示每个符号、字母数字和标记的坐标，而不是每个字符

tesseract中是否有任何选项可以直接从图像文件中提取每个单词及其坐标，而不是每个字符。我怀疑我是否需要一个词法分析器来执行此操作。如果是，那么我如何将其与tesseract一起使用

---

我就是这样处理这个问题的。如果有任何其他简单的方法来实现目标，那么请分享给我。谢谢。

欢迎来到Stack Overflow。这不是一个代码编写站点，特别是对于这样一个大型项目。以“我需要…”开头的问题没有表现出你自己的任何尝试，在这里不会受到热烈欢迎。你应该把你尝试过的东西贴出来，并解释你的困境。这样你就更有可能得到帮助。非常感谢你对我的指导。我已经更新了这个问题，以及我用来解决这个问题的程序。除此之外，我还提到了我面临的问题。

<Path to Tesseract-OCR folder>\tesseract.exe "image.tif" output \*extracts words*\
<Path to Tesseract-OCR folder>\tesseract.exe "image.tif" output makebox \*extracts word dimensions*\