如何使用OpenCV和Python检测和修复连接/重叠的字母（OCR的分段）？

对于OCR程序，我在分割连接或重叠文本时遇到问题。我在处理泰晤士报的新罗马字体。在这种字体中，字母如fb、fh、fi、fj、fk、fl等在顶部相互连接。（见下图）。这主要见于衬线字体

采用泰晤士报新罗马字体的字母和分水岭算法的结果：

显然，轮廓检测将对这两个字母进行单一分割。所以，我尝试了分水岭算法。正如您在上图中所看到的，它确实检测到了重叠，但我发现了另一个问题。字母“f”的薄薄部分也被分成了另一段，但我想要整个“f”。我知道这是因为我用的那个记号笔。（见下文）

我用于分水岭的标记：

还有，是否有人知道如何检测字母是否重叠，这样我就可以只对重叠部分应用分水岭算法

---

那么如何解决这个问题呢？我是否使用了正确的方法，即分水岭来解决这个问题？有人知道更好的解决方法吗？

对于您正在处理的图像，您可以假设哪些方面？你能估计一下字体大小吗？你事先知道字体的类型吗？如果没有透视变形，这些字母看起来就像你添加的图像一样？你尝试过形态学操作吗？