我正在尝试在OpenCV-Python(cv2)中实现"数字识别OCR".它仅用于学习目的.我想在OpenCV中学习KNearest和SVM功能.
我有每个数字的100个样本(即图像).我想和他们一起训练.
letter_recog.pyOpenCV示例附带了一个示例.但我仍然无法弄清楚如何使用它.我不明白什么是样本,响应等.另外,它首先加载一个txt文件,我首先不明白.
稍后搜索一下,我可以在cpp示例中找到一个letter_recognition.data.我使用它并在letter_recog.py模型中为cv2.KNearest创建了一个代码(仅用于测试):
import numpy as np
import cv2
fn = 'letter-recognition.data'
a = np.loadtxt(fn, np.float32, delimiter=',', converters={ 0 : lambda ch : ord(ch)-ord('A') })
samples, responses = a[:,1:], a[:,0]
model = cv2.KNearest()
retval = model.train(samples,responses)
retval, results, neigh_resp, dists = model.find_nearest(samples, k = 10)
print results.ravel()
它给了我一个20000的数组,我不明白它是什么.
问题:
1)letter_recognition.data文件是什么？如何从我自己的数据集构建该文件？
2)什么results.reval()表示？
3)我们如何使用letter_recognition.data文件(KNearest或SVM)编写简单的数字识别工具？
有没有使用任何编程方法来击败reCAPTCHA？
我很有兴趣看到证据和潜在的演示,特别是reCAPTCHA已被完全自动化,无人化的方法淘汰.
澄清一点,不是寻找以任何方式涉及人类的reCAPTCHA作弊解决方案,是否负责填写CAPCHA,色情搜索者或Mechanical Turk.
我也不是在寻找reCAPTCHA的替代品,比如选择动物类型,或者背景字段或javascript技巧.
这主要只是好奇心,但纯Java中是否有任何OCR实现？我很好奇这将如何纯粹用Java表现,而OCR一般对我感兴趣,所以我很想看看它是如何用我完全理解的语言实现的.当然,这需要实现是开源的,但我仍然对专有解决方案感兴趣,因为我至少可以检查这种情况下的性能.
我见过一些可以在Java中使用的东西(比如Asprise),但似乎这些都不是纯粹的Java实现......有没有？
我正在寻找在Android上运行的Java OCR,但是Asprise似乎不是一个独立于平台的OCR.有没有我可以用于Android应用程序开发的开源/免费Java OCR？
我一直在使用tesseract将文档转换为文本.文档的质量范围非常广泛,我正在寻找有关哪种图像处理可能会改善结果的提示.我注意到高度像素化的文本 - 例如由传真机生成的文本 - 对于tesseract来说特别难以处理 - 可能是角色的所有锯齿状边缘都会混淆形状识别算法.
什么样的图像处理技术可以提高准确度？我一直在使用高斯模糊来平滑像素化图像并看到一些小的改进,但我希望有更具体的技术可以产生更好的结果.假设一个过滤器被调整为黑白图像,这将平滑不规则的边缘,然后是一个过滤器,它会增加对比度,使角色更加清晰.
对于图像处理新手的任何一般提示？
我最近遇到了Tesseract和OpenCV.看起来Tesseract是一个成熟的OCR引擎,OpenCV可以用作创建OCR应用程序/服务的框架.
我尝试在我的一些图像上使用Tesseract,它的准确性似乎不错.后来,我遇到了一个非常简单的使用OpenCV来使用Python执行OCR的教程,并给人留下了深刻的印象.几分钟后,我完成了系统的培训,其准确性很好.但是,当然,采用这种方法意味着我需要使用大型训练集来广泛训练我的系统.
我的具体问题如下:
有什么建议？
注意:我24小时在计算机视觉领域,但我愿意花时间和精力学习先决条件.
我已配置索引服务来索引我的文件,其中还包括保存为高分辨率TIFF文件的扫描图像.我还安装了MS Office 2003+并正确配置了MS Office Document Imaging(MODI),因此我可以对我的图像执行OCR,甚至将OCR文本嵌入到TIFF中.
索引服务能够索引和查找那些手动OCR并使用文本数据重新保存的TIFF(使用MS Document Imaging工具).
事实证明,与Windows XP SP2一起部署的数据执行保护(DEP)认为MODI是恶意的,并且拒绝让它发挥其魔力.我已经能够通过完全关闭DEP来使它工作,但我发现这个解决方案不够优雅.
有没有更好的解决方案来实现这项工作,而不会禁用DEP？
我想在android中运行OCR的一个例子,我做了一些研究并找到了一个在android中实现OCR的例子.
https://github.com/rmtheis/tess-two,其中有三个项目文件......
我通过导入三个项目文件执行了"tess-two-test"项目,但"tess-two-test"不包含任何活动,因此不会运行.
有人能给我一个更好的例子吗？
我有一个网站,允许用户上传汽车的图像,我想放置一个隐私过滤器来检测车辆上的登记牌并模糊它们.
模糊不是问题,但有一个库或组件(首选开源)有助于在照片中找到许可证吗？
注意事项;
我在linux上运行tesseract-ocr引擎时遇到问题.我已经下载了RUS语言数据并将其放到tessdata目录(/ usr/local/share/tessdata).当我尝试使用命令运行tesseract时tesseract blob.jpg out -l rus,它会显示错误:
Error opening data file /usr/local/share/tessdata/eng.traineddata
Please make sure the TESSDATA_PREFIX environment variable is set to the parent directory of your "tessdata" directory.
Failed loading language eng
Tesseract couldn't load any languages!
Could not initialize tesseract.
根据编译指南,我曾经export TESSDATA_PREFIX='/usr/local/share/'
指向我的tessdata目录.也许我应该编辑任何配置文件？Tesseract尝试加载'eng'数据文件而不是'rus'.
