這問題要拆成兩部分來看, 第一是text detection, 在任意圖上找出文字的位置
第二是text recognition, 給定圖和文字區塊的位置, 輸出文字字串
第一個問題有很多種演算法, 要看你圖的性質而決定要用哪種
如果能知道文字的位置後, 接下來其實就比較簡單,
因為第二個問題可以直接用現成的OCR引擎加上一些image processing來處理
最容易取得的OCR引擎是Tesseract, 3.0後還支援包含中文在內的多國語言
但如你所說, OCR引擎大多是假設圖片是白底黑字的文件
所以直接把有複雜背景的圖片丟進去是不行的
最簡單的處理方法就是用一些影像處理的演算法把背景去掉, 然後轉成白底黑字的樣子
這樣再丟進OCR引擎的結果就會好很多
基本概念是這樣, 關鍵字也都在上面了,
如果能看英文論文的話, 在google scholar能找到非常多資料
※ 引述《tonytonyjan (南洋大兜蟲)》之銘言：
: 我把我的問題貼在 Komica 得到的回覆貼在這裡與大家分享：
: 無名氏: 這應該偏影像辨識的學門了 之前是有玩face Detection (rpJRwjDA 11/11/03
: 07:12)
: 無名氏: 不過那是辨識人臉的 (rpJRwjDA 11/11/03 07:12)
: 無名氏: 文字辨識英文的話到還好，如果你要做中文的。我想你會做到死..........
: (aOLUs/V6 11/11/03 10:36)
: 無名氏: 中文光是常用的字，少說有5千字....... (aOLUs/V6 11/11/03 10:37)
: 無名氏: 不然就是要找人家做好的來套用了 (aOLUs/V6 11/11/03 10:38)
: 無標題 名稱: 無名氏 [11/11/03(四)01:01 ID:jIVsifTM] No.6783 推
: 雖然我對OCR不熟，不過這個東西的確就是你的方向。
: 類似的應該還有車牌辨識/CAPTCHA破解之類的。
: 提到CAPTCHA破解我倒記得有一個很有趣的例子，
: 使用JavaScript實作類神經網路來破驗證碼。
: http://ejohn.org/blog/ocr-and-neural-nets-in-javascript/
: 或許你也可以從這方面下手。
: 無標題 名稱: 無名氏 [11/11/03(四)07:36 ID:OK9R6lHk] No.6784 推
: http://www.google.com/insidesearch/searchbyimage.html
: 無標題 名稱: 無名氏 [11/11/03(四)16:56 ID:a.T6EASg] No.6786 推
: Google image search 是 content based 沒錯，但是和原 PO 的需求不同吧？
: ※ 引述《tonytonyjan (南洋大兜蟲)》之銘言：
: : 有鑑於在像 komica 這類的討論版或論壇
: : 回覆時都夾帶圖片，而圖片上常常會有字幕或者是漫畫角色的台詞，笑果十足
: : 但是要蒐集這些東西其實很累，於是我有個 idea：
: : 我打算實做一個 content based image search engine
: : 對圖片上的文字，經過辨識之後做 indexing
: : 如此只要把想要的話輸入進去，就可以找到任何相關動漫或電影台詞的引用圖片
: : （我 google 老半天發現這世界好像還沒有這樣的搜尋引擎，讓我更想做了）
: : 我有IR背景知識，但對於圖形辨識完全不得其門而入
: : 希望在圖形辨識上有經驗的人可以給我一些指引
: : 我目前試過 tesseract, gocr
: : 不過經過測試我發現他們似乎主力在「文件」，對於卡通圖片中的文字辨識能力薄弱
: : 問題：
: : 1. 對於我的需求，我要找得技術是 OCR 沒錯吧？或者我弄錯關鍵字了？
: : 2. 如果關鍵字確實是 OCR，是否有其他適合辨識圖畫（非文件）的函式庫？
: : 3. 接續 2，有什麼推薦的書籍，可以學習如何實做一個 OCR system 呢？
: : 感激不盡^_^
: : PS.
: : 這是自娛專案，有興趣參與的人也可來信 XD