OCR, один странный алгоритм

expert system

идея простая

/0

Такой простой алгоритм не будет работать из-за ошибок связанных с изменением размера шрифта, сдвигами, поворотами и разными начертаниями букв в шрифтах. Я как-то давно легко нагуглил описание алгоритма (в общих чертах конечно) применяемого ABBYY, если тебя там не забанили можешь прочитать что всё намного сложнее. Для начала проводится анализ на предмет возможного поворота текста, это исправляется, и так далее.

но статья, но исследование, но результаты в ней. пс - там про повороты тоже есть, это уже другая проблема, меня интересует сам шаблон, ведь звучит там всё логично и работоспособно

Статьи писать любой дурак может, а реализовать OCR получилось только у ABBYY и ещё нескольких контор. Так вот, они используют сразу несколько классификаторов. Один из них - попиксельное сравнение с шаблонами. Другой - анализ наличия в изображении признаков того или иного символа, например замкнутый круг может быть буквой «о». Применяются и другие, это довольно сложный процесс. И в сумме они едва дают приемлемый уровень распознавания. Погугли и почитай, там сложно всё.

Но не очень понятно что делать с граничными пикселями и возможным сдвигом символов по зонам

Как идея: применять несколько разных сеток разбиений, на основе совпадений для каждой сетки считать общее совпадение (среднее арифметическое? максимум? минимум?)

На карманном компьютере psion 5mx была программа CalliGrapher, мгновенно распознающая рукописный ввод с сенсорного экрана не только букв и слов, но и целых предложений. Процессор там всего 16 Мгц. Правда на английском. Обучение программы не требовалось, работала сразу. Вот этот алгоритм бы найти...

ИМХО рукописный ввод, происходящий в реальном времени, распознать проще, чем статичную картинку с результатом этого самого рукописного ввода.

с равными размерами зон такое не прокатит, а с разными больше проблем чем пользы.

На самом деле у них в статье немного по-другому линии вычисляются - по числу(segment length) пикселей, и оно у них одно, то есть получается что линии по диагонали строятся по тому же числу пикселей что и горизонтальные/вертикальные. Но и в примерах у них везде маска зон наложено так, что не возникает корреляций! В общем можно строить как они и пихать результат в зону, в которую попало большее число пикселей, но это не особо спасёт от всяких артефактов.

Идея занятная, но только в плане получения фич (features) для дальнейшего анализа/обучения.

Уверен, что в каком-нибудь tesseract это уже не реализовано? Алгоритм-то довольно тривиальный.

ИМХО рукописный ввод, происходящий в реальном времени, распознать проще, чем статичную картинку с результатом этого самого рукописного ввода.

Какая разница? Разве ты не можешь прочитать файл посимвольно, или пословно/построчно? Это будет полный эквивалент, по-идее.

Ничем не могу помочь по сабжу, но если хочется посмотреть какие-нибудь сорцы, то можешь поковырять cuneiform.

Можешь более подробнее свои мысли высказать? Знаю несколько алгоритмов такой направленности, интересно что ты имеешь в виду

Появляется дополнительная информация

Извини, я не понимаю что такого нового в изложенном тобой алгориитме. То что символы надо попиксельно сравнивать с шаблонами это было понятно уже полсотни лет назад. Современные алгоритмы ушли очень далеко от таких примитивных схем, но как я понимаю тебе это не интересно.

Я не тебе отвечал тем сообщением, сорри. А куда они ушли, если не секрет?

Согласен, что немного легче. Но Calligrapher ни разу не ошибалась. Аналоги, распознающие на русском, и близко не валялись.. У тех в 2000 году был побуквенный ввод. И тот ошибочный в большинстве случаев. Про распознавание предложениями молчу.

Распознавалки английского языка, что текста, что речи работают на порядок точнее аналогов программ, распознающих на русском. Думаю в любом случае лучше на английских программах будет учиться.