我想制作一个程序，将图像作为输入并输出文本。现在我知道我可以使用神经网络将单个字符的图像转换为该字符。困难的部分是：给定一个带有文本的图像，我将如何生成每个角色周围的所有矩形？
那么有什么样的方法用于此，有没有人知道任何讨论如何做的研究论文？谢谢
我想制作一个程序，将图像作为输入并输出文本。现在我知道我可以使用神经网络将单个字符的图像转换为该字符。困难的部分是：给定一个带有文本的图像，我将如何生成每个角色周围的所有矩形？
那么有什么样的方法用于此，有没有人知道任何讨论如何做的研究论文？谢谢
一种基本方法是制作黑色像素的直方图。第一：投射一条线上的所有像素。直方图中的深谷表示线之间的分离（如果纸张可能倾斜，请尝试不同的角度）。然后，每行（或每页，如果你知道字体是等宽的）投影水平直方图上的像素。这将为您提供字符间空间的强烈指示。至少，这为您提供了平均字符高度和宽度的值，可帮助您完成后续步骤。
之后，您需要处理字距调整（字符重叠）。找到连接的像素，可能首先对图像进行扩张或侵蚀，以补偿扫描伪影。
根据扫描图像的质量，您可能必须使用更高级的技术，但这将使您前进。
一种基本方法是制作黑色像素的直方图。第一：投射一条线上的所有像素。直方图中的深谷表示线之间的分离（如果纸张可能倾斜，请尝试不同的角度）。然后，每行（或每页，如果你知道字体是等宽的）投影水平直方图上的像素。这将为您提供字符间空间的强烈指示。至少，这为您提供了平均字符高度和宽度的值，可帮助您完成后续步骤。
之后，您需要处理字距调整（字符重叠）。找到连接的像素，可能首先对图像进行扩张或侵蚀，以补偿扫描伪影。
根据扫描图像的质量，您可能必须使用更高级的技术，但这将使您前进。
这听起来不像人工智能，听起来你在谈论OCR：
http://en.wikipedia.org/wiki/Optical_character_recognition
请参阅google tesseract
http://code.google.com/p/tesseract-ocr/
编辑 未经编辑的问题是询问人工智能。