※ 引述《secrob (錯失)》之銘言： : 終極的方法是，圖型識別，大概可以分幾步 : 1. 取得文字部分 : 可先算出圖片的histogram，理論上會分成幾群，每一群代表 : 一個字母、背景或做為雜訊的線，接著再分別對那幾群做dilation後， : 算出每群的左上角和右下角，如果長寬比很奇怪，例如某群的左上和右 : 下剛好是整張圖，則知道那群顏色為背景，如果是那些雜訊線，則長寬 : 比會差很大，如果是字母，則比例會接近1:1。 : 2. 前處理 : 接下來把那幾個認定為文字的那幾群做二值化，也就是背景變 : 為黑，前景為白，只要找到一個threshold即可，前提是前景和背景色 : 彩差多一點會比較好 灰階影像無法這樣辨認(死 利用視覺造成的文字無法這樣處理，如點出來的以及利用一堆雜線構成圖跟文的 : 3. 特徵截取 : 把一個找到的圖用線性代數的方法找其特徵值，PCA or LDA : or...但最好要有很多的圖來做訓練，把一些扭曲的字母都送進去做 : 訓練是最好的，但這裡要用人工切很多文字出來，如果是LDA則還要做 : 分類，需要大量人力 此處同意，但是文字切割除非自動化，否則人力不可及(一更新你就掛了) : 4. 辨識 : 經由特徵截取後會是一個較低維的數據，把這些數據送到 : 高斯Gaussian模型或高斯混合模型(GMM)中訓練，因為有二十六個字 : 母，因此只需要訓練二十六個model即可。 只有22個字母，不過字母假設去除位移，還包含傾斜、模糊、旋轉，會造成同樣的東西 無法去訓練或歸納出一個模組 : 5. 語意分析 : 一般來說市面上的文字辨識會根據上下文來做自然語言語 : 意分析以提高正確率，但我們這裡每個字母間沒什麼意義，但是 : 有一個很棒的利用點 - 母音和子音，因為這個很單純，所以就直接 : 假設母子母子或子母子母，例如有三個字 : 第一次 : 第一個字送　aeiouy 的model進去求機率，機率高者為辨識結果 : 第二個字送　子音　 的model進去求機率，機率高者為辨識結果 : ... : 第二次 : 第一個字送　子音　的model.... : 　第二個字送　aeiouy的model.... : ... : 到最後再把第一次和第二次機率高者視為辨識結果 這個不懂(囧 : ========================================= : 以上皆為嘴泡，且是直覺的做法，實際可能還有很多問題 這個我同意XD 因為我也在嘴砲(菸 --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 140.134.32.95