別のイメージ内のイメージを検出してその値を返す

Question

私は多くの文字のパターンイメージの辞書を持っており、認識する必要があるビットマップもあります。 「両方の」画像の高さは同じです！一部のパターン画像は幅が異なります。

パターンから文字を認識してX軸を反復する方法はありますか？

今私はXビットマップ欄は、その中に黒画素を有するかどうかをチェックするために、この機能を使用しています：

static Boolean GetColumnState(Bitmap bmp, int x) 
{ 
    BitmapData pixelData = bmp.LockBits(
     new Rectangle(0, 0, bmp.Width, bmp.Height), 
     ImageLockMode.ReadOnly, 
     PixelFormat.Format32bppArgb); 
    Boolean state = false; 
    unsafe 
    { 
     int* pData = (int*)pixelData.Scan0.ToPointer(); 
     pData += x; 
     for (int i = 0; i < bmp.Height; ++i) 
     { 
      pData += bmp.Width; 
      if (Color.FromArgb(*pData) == Color.FromArgb(255, 0, 0, 0)) 
      { 
       state = true; 
       break; 
       //pixelColumn[i] = Color.FromArgb(*pData); 
      } 
     } 
    } 
    bmp.UnlockBits(pixelData); 

    return state; 
} 

CulumnState（）がtrueを返す場合、私はパターンと同じサイズの画像をトリミング画像を比較して比較します。

 int y = target.Count; 
     for (int i = 0; i < b1.Width; i++) 
     { 
      if (GetColumnState(b1, i + count) == true) 
      { 
         int trWidth = target[5].Value.Width; 
         int trHeight = target[5].Value.Height; 
         Bitmap bitm = new Bitmap(trWidth, trHeight); 
         Rectangle section = new Rectangle(new Point(0, b1.Height - trHeight-1), new Size(trWidth, trHeight)); 
         Bitmap cropped = CropImage(b1, section); 
         cropped.Save(@"C:\111.png"); 
         target[5].Value.Save(@"C:\000.png"); 
         if (CompareMemCmp(cropped, target[5].Value) == true) 
         { 
          //count = target[5].Value.Width; 
          textBox2.AppendText(target[5].Key); 
          break; 
         } 
         else { textBox2.AppendText("noo"); } 

       //textBox1.Text = "yes!"; 
      } 
      else 
      { 
       //textBox1.Text = "noo"; 
      } 
      break; 
     } 

残念なことに、トリミング画像は、視覚的に同じに見えるにもかかわらず - memcmp（比較の私の方法は、これに基づいていますが）偽 ...にあり

ビットマップを返すように、異なるサイズを持っていますパターンイメージはすべてBlackAndWhiteカラーで表示されます。別のイメージ内の1つのイメージを比較し、その値を辞書（OCR）で返す信頼性の高い方法があるかどうか疑問に思っています。

Answer 1

ピクセル値はnoですあなたが発見したように、堅牢です。フォントが完全に予測可能で、一貫してレンダリングされている場合は、画像を正規化（一致、スケール、回転）し、画像の平均平方差を計算し、それが十分小さければ受け入れます。

不明なフォントやさまざまな画像ソース（screencapture、カメラ、スキャンなど）で、ある種の機械学習（ML）に基づいてより堅牢なスキームが必要です。ビットマップからの数字の認識は、ニューラルネットワークの古典的な導入例ですが、他の多くのMLスキームも動作します。Supervised learning#Approaches_and_algorithms on Wikipediaを参照してください。これには訓練が必要であることを覚えておいてください。訓練を行うには、多様なデータが必要です。