c# – 从图像中提取字符

正如Kenny已经提到的,“连通组件标签”描述了一系列识别连接像素的算法.连接组件也以“连接区域”或“blob”的名称,以及“轮廓”的相关概念.任何这样的算法应该不仅能够找到连接的前景像素的形状,而且能够找到由背景颜色的像素组成的形状内的“孔”的存在.

http://en.wikipedia.org/wiki/Connected-component_labeling

该算法用于依赖图像处理的若干工程领域,包括计算机视觉,机器视觉和医学成像.如果您要在图像处理上花费任何时间,那么您应该对此算法非常熟悉并且至少自己实施一次.

OpenCV库有一个findContours()函数,可用于查找轮廓,轮廓内的轮廓等.
http://opencv.willowgarage.com/wiki/

如果您希望在工作中看到区域标记算法,请使用应用程序ImageJ查找对“细胞计数”的引用.计数生物细胞是医学成像区域标记的重要且经常引用的应用.

http://rsbweb.nih.gov/ij/

考虑获取有关该主题的教科书,而不是在线学习零碎.研究连通分量(a.k.a.blobs)不可避免地导致考虑二值化(a.k.a.thresholding),它采用灰度或彩色图像并从中生成黑白图像.如果你正在处理来自摄像机的图像,那么照明变得至关重要,这需要时间和修补来学习.

清理映像可能需要许多其他预处理步骤.预处理的需要取决于您的应用程序.

这是一本经常被推荐的教科书,它可以很好地覆盖标准图像处理技术：

Gonzalez和Woods的数字图像处理,第3版
http://www.imageprocessingplace.com/

转到addall.com查找便宜的副本.国际版本更便宜.

如果图像中的字符(或其他形状)具有一致的大小和形状 – 例如,“A”总是40像素高,25像素并且机器以相同的字体打印 – 那么您可以使用“标准化互相关“或模板匹配技术,以识别一个或多个匹配形状的存在.这种技术可以作为一种非常粗略的OCR,但具有严重的局限性.

http://en.wikipedia.org/wiki/Template_matching