图像识别：一个框和随机放置的文本

Question

我想知道是否有人会给我指向图像rec包，这将帮助我识别“文本”（而不是OCR，只是看起来像文本）和黑框框架。所以，假设：

text 
+----------+ 
|   | 
| text1 | 
|   | 
|   | 
+----------+ 
    text 

如何识别“文本”框是文本，并且说text1是在框内？

道歉的模糊的问题......我不知道从哪里开始。这不是家庭作业，顺便说一句。

Answer 1

[这是我们感兴趣的。]我假设你的输入实际上是一个位图 - 一个矩形的像素矩阵。第一个问题是它是否与轴线对齐 - 如果它被扫描过，它可能不是。尽管我们目前的合作者对于简单的盒子和项目像素在不同的视点上做的比这个更好 - 类似的，但是经典的线条检测是霍夫变换（http://en.wikipedia.org/wiki/Hough_transform） - 类似的到断层扫描。旋转图像并计算投影线上点的密度/直方图。对于提供清晰信号的简单盒子。

对于文本我怀疑你要么有一套可能的字体或使用机器学习。在后者中，您必须设计功能，然后选择一系列由人类分类为图像而非文本的图像。然后训练你的算法（并且有许多神经网络，最大熵等），然后训练这些算法。

像素图的质量有很大的不同。 20年前的文档，比通过绘图程序创建的文档的位图要难得多，并且倾倒为PDF（当然，如果您可以解释PDF中的文本，这对文档有很大的帮助）。

Answer 2

您可以应用任何边界检测算法来检测框。并且由于文本的颜色与背景的颜色不同，您甚至可以使用线性搜索来查找“文本”的黑色像素。我可能是错的，对此感到遗憾。

Answer 3

一个非常简单的算法将扫描left-to - 右上角，从上到下寻找构成盒子左上角的三个黑色像素（然后继续扫描构成匹配右下角的三个像素）。一旦以这种方式识别了图像中的每个方框，就可以扫描内部部分，并假定任何非白色像素表示方框中有一些文本。当然，这并不能区分文本框和图像内的图像，但这无疑会是一个更加困难的问题。