我正在研究 OCR，现在我正在努力将每个单独的字符与其他字符分开。例如，如果我有一个图像说以下内容：
12345678.90
我想检测每个数字在图像中的开始位置和结束位置的 x，y 坐标，以便我可以确定要处理多少个数字，然后解析出每个单独的数字/字符，并对其进行处理。
我已经设计了一个简单的算法来做到这一点，我想要一些关于如何改进它的意见/评论。
（在这个应用程序中，我只需要处理数字，但如果这个算法也可以解析出字母，那就更好了）。
1）我会在图像底部以直线读取图像中的像素。例如，如果图像是 30x30，那么我将从 0,30 开始读取到 30,30。
2）我将比较像素的颜色。已经确定了背景和前景色后，我将比较每个像素的颜色，看看它是在背景中还是在前景中。
3）如果是背景，将被忽略。如果我在前景中遇到任何像素，这将表示数字的开始。在这种情况下，我会记下位置，然后开始向上读取像素。例如，如果在 5,30 处我检测到前景色，我将开始读取 5,29、5,28 等。
4）我会向上读取像素（y轴），直到我在背景色中遇到像素。这应该给我角色的高度。（我知道对于像 5 这样的一些字符会更复杂，让我们暂时忽略它们）。因此，例如，我会确定该字符从 5,20 垂直变为 5,30。
5）然后我会回到x轴（5,30），在那里我水平检测角色的开始。我会继续水平阅读以确定字符的宽度，例如 6,30、7,30 等。
6）这是棘手的步骤。我猜，在以下每个字符之间：
12345678.90
背景颜色中有一个像素左右的间隙。而且它可能对我们不可见，但它就在那里，并且会被程序找到，因为逐个像素水平读取颜色。这会告诉它角色水平结束的位置。因此，例如，它可以检测到15,30的背景颜色像素。
- 7）这就是算法，它应该给出每个字母开始和下一个字母开始的
x,y坐标。在上面的示例中，字符将从 5,20 运行到 15,30，并且是 10x10。
这个算法可以改进吗，和/或我在步骤 6 上的假设是否正确？
我知道的一种常见的数字分割方法是滑动窗口。基本思想是您在数字图像上滑动一定大小的窗口。
滑动窗口的每次移动都会生成一个图像（您只查看窗口覆盖的像素）。滑动窗口将很窄。现在可以训练分类器，它将滑动窗口映射到 1 或 0，其中 1 表示滑动窗口以 2 位数字的拆分为中心，0 表示相反。
您需要一些训练数据来训练分类器。或者你可以尝试使用无监督学习。
编辑：此视频可能很有用：https://www.youtube.com/watch?v=y6ga5DeVgSY
免责声明：我以前从未编写过任何类似 OCR 的软件。
对我来说，你的算法似乎有点不对劲，原因如下：
- 1
- 不是从底部找到第一个像素的地方开始的，因为您仍然有指向左侧的小笔划，位于 1 的顶部。
- 2 只有几个像素高，因为您要直接向上移动，直到找到背景像素。
- 由于与上述参数相同，3 将导致只有 1 x 1 像素。
- 等。。。
我会尝试使用递归算法，该算法尽可能遵循前景色像素，而不会进入背景像素。当使用带有大字符的大图像时，这可能会导致堆栈溢出，因此最好在几个 for 循环中做到这一点，而不是使用递归函数。
如果你正在逐像素地发现一个角色，你可以使用这个过程来创建关于你的角色外观的矢量信息。我认为这将是识别角色的一个很酷的起点。
尝试编写OCR软件，但我们确实使用它，它（或可能）变得非常复杂。
目前还不完全清楚你的图像来自哪里;如果它是扫描的图像，那么有几个复杂的问题。 尤其是关于您的计划，即使数字之间存在间隙，它也可能无法垂直（扫描的页面不太可能完全笔直）。 其他因素包括"斑点" - 由图像或扫描仪上的污垢等引起的随机点。 如果您正在处理这种图像，您几乎肯定需要研究图像处理技术，该技术将许多不同的数学运算应用于整个像素数组，以执行纠偏（拉直图像）、去斑（去除随机点）等操作;边缘增强（加强从浅色到深色的变化以增强线条）。
从您使用的"背景"和"前景色"颜色来看，您可能正在尝试从屏幕上"OCR"图像？ 如果是这样（某种"屏幕抓取"过程），并且您知道（或可以使用）正在解释的特定字符形状进行训练，那么滑动窗口的变体可能会有所帮助：您将"5"的已知图像以不同的偏移量在图像周围滑动：如果"5"的所有像素都与图像中的"前景"像素匹配， 然后你知道你找到了"5"。 对其他数字重复此操作。 如上所述，这是我们正在谈论的"虚拟"窗口。