手写体数字的精确开放源码OCR

Question

我的软件需要读取一个固定长度的手写数字，例如596276。

虽然我可以使用像特塞尔这样的通用库，但我相信还有一些更聪明的东西。Tesseract可能会将1或7中的某些曲解为I或l，而只有数字的软件则不会。

知道只有数字(美式-英语的书写方式)，该算法可以专注于10个潜在的匹配，而不是数以百计的符号。

有过OCRing手写体数字字段的经验吗？

你用什么开源库/软件获得了最好的结果？

必须是开放源代码并脱机工作。最好是Java，任何其他接受的技术(.NET、JavaScript、C等)，但必须能够在Linux/Mac/Windows/Android上运行。

Answer 1

设计用于打印(而不是手写)文本，因此即使是数字也可能会影响准确性，但无论如何：

来自常见问题 of Tesseract：

我怎么才能认出数字？在2.03和更高版本中:使用TessBaseAPI::SetVariable("tessedit_char_whitelist"，“0123456789”；在调用Init函数或将其放入名为tessdata/configs/digits：tessedit_char_whitelist 0123456789的文本文件中之前，您的命令行变为: tesseract image.tif outputbase no批处理数字警告:在旧的配置变量和新的配置变量合并之前，必须使用nobatch参数。

乔伊

Answer 2

您可以使用Python和OpenCV来完成这一任务，并对您的识别引擎进行一些培训。作为默认安装的一部分，甚至还有一个示例和一些初始培训示例。

示例代码

来自教程

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('digits.png')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# Now we split the image to 5000 cells, each 20x20 size
cells = [np.hsplit(row,100) for row in np.vsplit(gray,50)]

# Make it into a Numpy array. It size will be (50,100,20,20)
x = np.array(cells)

# Now we prepare train_data and test_data.
train = x[:,:50].reshape(-1,400).astype(np.float32) # Size = (2500,400)
test = x[:,50:100].reshape(-1,400).astype(np.float32) # Size = (2500,400)

# Create labels for train and test data
k = np.arange(10)
train_labels = np.repeat(k,250)[:,np.newaxis]
test_labels = train_labels.copy()

# Initiate kNN, train the data, then test it with test data for k=1
knn = cv2.KNearest()
knn.train(train,train_labels)
ret,result,neighbours,dist = knn.find_nearest(test,k=5)

# Now we check the accuracy of classification
# For that, compare the result with test_labels and check which are wrong
matches = result==test_labels
correct = np.count_nonzero(matches)
accuracy = correct*100.0/result.size
print accuracy

一旦经过训练，您将保存您的识别数据供以后使用。

好处：

• 免费开放源码
• 小的
• 跨平台- Windows，OS，Linux，RaspberryPi，Android，iOS等.