※ 引述《secrob (错失)》之铭言： : 终极的方法是，图型识别，大概可以分几步 : 1. 取得文字部分 : 可先算出图片的histogram，理论上会分成几群，每一群代表 : 一个字母、背景或做为杂讯的线，接着再分别对那几群做dilation後， : 算出每群的左上角和右下角，如果长宽比很奇怪，例如某群的左上和右 : 下刚好是整张图，则知道那群颜色为背景，如果是那些杂讯线，则长宽 : 比会差很大，如果是字母，则比例会接近1:1。 : 2. 前处理 : 接下来把那几个认定为文字的那几群做二值化，也就是背景变 : 为黑，前景为白，只要找到一个threshold即可，前提是前景和背景色 : 彩差多一点会比较好 灰阶影像无法这样辨认(死 利用视觉造成的文字无法这样处理，如点出来的以及利用一堆杂线构成图跟文的 : 3. 特徵截取 : 把一个找到的图用线性代数的方法找其特徵值，PCA or LDA : or...但最好要有很多的图来做训练，把一些扭曲的字母都送进去做 : 训练是最好的，但这里要用人工切很多文字出来，如果是LDA则还要做 : 分类，需要大量人力 此处同意，但是文字切割除非自动化，否则人力不可及(一更新你就挂了) : 4. 辨识 : 经由特徵截取後会是一个较低维的数据，把这些数据送到 : 高斯Gaussian模型或高斯混合模型(GMM)中训练，因为有二十六个字 : 母，因此只需要训练二十六个model即可。 只有22个字母，不过字母假设去除位移，还包含倾斜、模糊、旋转，会造成同样的东西 无法去训练或归纳出一个模组 : 5. 语意分析 : 一般来说市面上的文字辨识会根据上下文来做自然语言语 : 意分析以提高正确率，但我们这里每个字母间没什麽意义，但是 : 有一个很棒的利用点 - 母音和子音，因为这个很单纯，所以就直接 : 假设母子母子或子母子母，例如有三个字 : 第一次 : 第一个字送　aeiouy 的model进去求机率，机率高者为辨识结果 : 第二个字送　子音　 的model进去求机率，机率高者为辨识结果 : ... : 第二次 : 第一个字送　子音　的model.... : 　第二个字送　aeiouy的model.... : ... : 到最後再把第一次和第二次机率高者视为辨识结果 这个不懂(囧 : ========================================= : 以上皆为嘴泡，且是直觉的做法，实际可能还有很多问题 这个我同意XD 因为我也在嘴炮(菸 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.134.32.95