字符识别（OCR算法）
我正在开发一个项目，我必须开发OCR算法（我必须从图像中读取文本，然后将其转换为不同的语言）。因此，我的第一个任务是从文本图片。字符识别（OCR算法）
完成第一个任务的步骤。
- 从给定源加载任何图像格式（bmp，jpg，png）。然后将图像转换为灰度并使用阈值（Otsu算法）对其进行二值化。 //完成（如何从输出图像除去???噪声）
结果
检测图像的功能，如分辨率和反演。以便我们最终可以将其转换为拉直的图像以供进一步处理。 （完成图像旋转代码但无法检测图像角度，我们必须旋转图像，因此仍然在角度检测部分工作）
线条检测和删除。这一步需要改进页面布局分析，以获得更好的识别下划线文本质量，检测表格等。（决定完成该部分结束）
页面布局分析。在这一步中，我试图确定图像中存在的文本区域。所以只有那部分被用于识别，而该区域的其余部分被排除在外。
检测文本行和单词。在这里我们还需要注意不同的字体大小和单词之间的小空格。
识别字符。这是OCR的主要算法;必须将每个字符的图像转换为适当的字符代码。有时这种算法为不确定的图像产生几个字符代码。例如，识别“我”字符的图像可以产生“我”，“|” “1”，“l”代码和最后的字符代码将在稍后选择。
将结果保存为选定的输出格式，例如可搜索的PDF，DOC，RTF，TXT。保存原始页面布局非常重要：列，字体，颜色，图片，背景等。
所以我需要在part6.I帮助完成线检测部（得到n个含有n行的一段图像），但卡在接下来的部分越来越文字和字符recognisation.If你知道有关OCR良好的联系和字符识别部分，然后请张贴在这里。
对于字符确定方法①我想用asprise（Java库）http://asprise.com/product/ocr/index.php?lang=java
要检测旋转角度，使用Hough transformation。
对于降噪，用相同颜色（相似颜色，使用公差阈值）替换任何没有邻居（北，东，南或西）的像素与邻居的平均值。
搜索布局检测的垂直白色间隙。沿垂直间隙切片。对于每个切片，现在搜索水平间隙和切片。如果切片具有相同（相似）的高度，则您处于线条水平。否则，重复垂直/水平切片，直到只剩下线条。最后一步再次是垂直切片，为您提供单个字符（或在某些情况下为连字）。线条长而窄或短而宽。
将字符切片与字符库进行比较。如果性能不是主要问题，请尝试在不同字体库中查找字符，直到您可以识别所使用的字体。然后坚持使用该字体字符识别。
在原始图像中，将每个字符替换为背景色，该背景色是通过插入不属于字符每个像素字符一部分的像素确定的。这给你背景图片，如果有的话。
您应该使用自适应阈值代替Otsu方法..我认为这将有帮助http://www.csse.uwa.edu.au/~shafait/papers/Shafait-efficient-binarization-SPIE08.pdf 此方法将自动删除噪声。
您可以使用potrace降低噪音 它vectorises给定的图像（BMP），并将其转换为SVG，PDF和其他一些格式
对于文档的一部分，你可以使用Apache POI库http://poi.apache.org/和txt你可以写你自己的Streamwriter，它不应该这么难，对于PDF你可以使用http://www.stefanochizzolini.it/en/projects/clown/ PDfClown – Tearsdontfalls 2013-03-03 17:32:13
你能否提供一些更多的参考来了解更多关于ocr的信息。 – TLE 2013-03-04 08:42:29
OCR是一个成熟和研究的主题。我总是发现这个话题很棒。 http://www.handwritten.net/mv/papers/mori92historical_review_of_ocr_research_and_development.pdf对于OCR分区的问题，特别是这个问题非常有趣http://www.music.mcgill.ca/~ich/classes/mumt611_08/Evaluation/ KanaiPAMI95.pdf。 – 2013-05-11 23:37:11