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。

第一步进行行分割和字符分割。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)方向上像素投影求和，这样可以确定行分割精确位置，取多条线(20条)的子图，在Y(H)方向上进行像素投影求和，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方向像素投影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！ 随机生成二进制数据

dd if=/dev/random of=data.bin bs=1 count=1M

截取52行输出图片，每行包含200个HEX替换后字符，总计10400个样本库，用patternnet训练分类网络(64个隐含神经元，16个类型),得到网络模型进行识别!

识别效率: 错误来源主要是采集图像质量问题，比如黑白图上有鼠标亮点，丢帧等。实验中最好结果是总数据44万行(每行200个字符), 识别错误的不到300行！(多数错误是因为S和Z混淆，暂时没找到更合适的字符替代其一;R和M偶尔也混淆)

字符模板和XY方向特征曲线示例

16个字符模板

Y(H)方向像素求和特征曲线

X(W)方向像素求和特征曲线