Matlab 字符识别OCR实验

图像来源于屏幕截图，要求黑底白字。数据来源是任意二进制文件，内容以16进制打印输出，'0-9a-f’字符被16个可打印字符替代，这些替代字符经过挑选，使其相对容易被识别。

第一步进行线分割和字符分割。因来源于屏幕截图，所以横平竖直。首先灰度图放大2倍并被二值化，然后在X(W)方向上像素求和，这样可以确定线分割精确位置，取多条线(20条)的子图，在Y(H)方向上进行像素求和，可大体确定字符间分割位置，在字符切割过程中，针对不同字符在此基础上可做左右精细调整。

第二步逐行逐字符模式匹配识别。对切割出的字符，在16个字符模板中进行匹配，取相似度最高的作为识别结果。匹配可采用二维模板匹配。这里出于效率考虑，用X和Y方向像素求和曲线作为字符特征，和切割字符的曲线进行比较，识别率几乎100%。曲线比较逻辑: 首先曲线归一化和对齐，然后用两条曲线的SAD做相似度度量，数值越小相似度越高

---

细节

SAD做相似度度量，受图像采集等因素影响，鲁棒性不强。通过训练一个浅层神经网络做识别，准确率100%，神奇！应该是特征向量选得好！