Neural network 如何制作OCR程序？

我想做一个程序，把图像作为输入输出文本。现在我知道我可以使用神经网络将单个字符的图像转换为该字符。困难的部分是：给定一个包含文本的图像，如何生成每个字符周围的所有矩形？我可以用什么方法来做呢？

这听起来不像是人工智能，听起来像是在谈论OCR：

请参阅google tesseract

---

编辑未经编辑的问题是关于人工智能的。

一种基本方法是制作黑色像素的直方图。第一：将所有像素投影到一条线上。组图中的深谷表示线之间的间隔（如果纸张可能倾斜，请尝试不同的角度）。然后，每行（或每页，如果你知道字体是单间距的）将像素投影到水平直方图上。这将为您提供字符间空格的强烈指示。作为最低要求，这将为您提供一个平均字符高度和宽度的值，这将在接下来的步骤中帮助您

之后，您需要注意字距调整（字符重叠的地方）。找到连接的像素，可能首先对图像进行膨胀或腐蚀，以补偿扫描伪影

---

取决于扫描图像的质量，您可能需要使用更先进的技术，但这会让您成功。

对我来说，问题本身似乎并不清楚

当它谈到OCR时，这里将留下几篇文章，他们可能会有所帮助（他们至少帮助了我）：

如上所述，还有一个很好的OCR开源python库（我个人也使用这个库）。您可能采取的其他方法是通过

您可能还需要检查

我也很确定你可以用它来检查任何文件（我找到了一些，只是不确定这是否是你需要的）

---

我认为上面的一般答案适合一般问题。

@quanta AI和OCR不是一回事。称之为人工智能，你描述的是错误的东西。这很有趣，因为虽然我认为你描述的方法有时会很有效，但它无法学习？神经网络可以被训练成更好地阅读单个符号，但一旦它变得完美，运用你的想法，我觉得它可能会受到这部分程序的限制。你认为是这样还是我判断错误？啊，我有点误解了你的问题。传统的方法是1）图像增强2）分割3）字符识别（使用NN）4）使用上下文信息（字典查找或应用统计数据）。您基本上可以选择使用NN进行分段，或者使用NN组合2）和3）。后者将具有挑战性，但具有潜在优势。如果你想把神经网络应用到分割中，你必须想出好的特征。使用直方图谷可能是其中之一（我自己没有这样做，所以真的无法预测结果）。祝贺你！你几乎彻底改造了霍夫变换。嗨，通常是这样，如果一个问题不清楚，那么最好在清楚之前不要回答它。如果你认为已经有了一个答案来回答这个问题，那就加倍了。