使用Tesseract OCR 提取美元序列號

http://www.cnblogs.com/physoft/archive/2011/09/19/2181180.html

最近使用Tesseract OCR 識別了美元序列號。原本使用自己開發的OCR庫識別（下稱B庫）. B庫在字符集很小的時候，比如A-Z, 0-9, 識別室外字符性能遠優越於Tesseract OCR. 因為室外字符光照，陰影，噪音非常嚴重，二值化後往往字符有大量較大空洞和光照噪音，使用形態學運算補洞顯然行不通，所以Tesseract OCR會有大量錯識別和誤識別。B庫在識別 室外運動員號碼項目中，以人為單位的識別正確率>90%, 以字符為單位的識別>97%.  但是美元序列號識別項目中，序列號的分辨率不高，但是字符非常規整，針對字符特征做旋轉糾正和特殊較復雜的二值化，可以得到非常好的連通字符。使用Tesseract OCR識別率達到了100%! 

原始樣圖：

旋轉和二值化後的圖片：可見二值化的效果非常的好。美元的序列號附近區域沒有定位特征，而且不同幣值的序列號位置，大小，背景等等都不是很確定的，所以不能使用相對百分裡來定位序列號。而需要使用比較特殊，快速的字符定位。然後在字符區做針對字符的特殊二值化，才能很好的除去背景。

比較舊的幣：

旋轉和二值化的結果：