我有兴趣使用OCR从简单的文本中提取粗体和斜体字。例如，如果我输入带有文本的清晰图像，如下所示：
“快 棕色 狐狸 跳跃 过了 懒 狗。”
我想得到一个像这样的输出：粗体（“棕色”，“跳跃”），斜体（“懒惰”）
我已经考虑过使用OCRopus或Tesseract进行此操作，但是文档很差，我无法判断它是否可行，或者如果它可以如何实现。
我有兴趣使用OCR从简单的文本中提取粗体和斜体字。例如，如果我输入带有文本的清晰图像，如下所示：
“快 棕色 狐狸 跳跃 过了 懒 狗。”
我想得到一个像这样的输出：粗体（“棕色”，“跳跃”），斜体（“懒惰”）
我已经考虑过使用OCRopus或Tesseract进行此操作，但是文档很差，我无法判断它是否可行，或者如果它可以如何实现。
Tesseract 3.0.1中有这样的功能，来自trunk。 API中添加了一个新类 - ResultIterator，您有以下感兴趣的功能：
WordFontAttributes(bool* is_bold,
bool* is_italic,
bool* is_underlined,
bool* is_monospace,
bool* is_serif,
bool* is_smallcaps,
int* pointsize,
int* font_id).
实际上你可以自己看 这里。
Tesseract 3.0.1中有这样的功能，来自trunk。 API中添加了一个新类 - ResultIterator，您有以下感兴趣的功能：
WordFontAttributes(bool* is_bold,
bool* is_italic,
bool* is_underlined,
bool* is_monospace,
bool* is_serif,
bool* is_smallcaps,
int* pointsize,
int* font_id).
实际上你可以自己看 这里。
Tesseract 3.0x基于XML的hOCR格式包括字符属性。你可能想尝试一下。
http://code.google.com/p/tesseract-ocr/issues/detail?id=377#c5