tesseractOCR 特征提取篇----MF特征提取

  一直在做ocr识别的相关工作。由于兴趣及工作需要，研究优化了下tesseract识别引擎的各个模块。发现关于tesseract引擎国内的资料，对于代码及原理的介绍相对较少，大部分都是应用类的文章，我将看过的代码结合自己的理解介绍识别的各个模块，与大家一起交流学习。

 先看下训练时我这边提取到的数字1的MF特征(该特征我是理解为笔画直线中点的坐标，该直线长度及角度等，字提取轮廓后其实就是一条条直线了）

mf 5

 0.022858083 0.32230198 0.37753356 0 0 0              

 -0.16590869 0.11053124 0.42354149 0.25 0 0

 -0.25303182 -0.20042329 0.26402926 0.13528861 0 0

 -0.064265043 -0.29960707 0.55177981 0.5 0 0

 0.21162486 0.011347458 0.62190902 0.75 0 0

  X      y        len     dir  . . .

下面来看MF特征是如何得到的：

  

首先定义一些方向的sign 值

 Left 0 down 32 right 64 up 96  

 leftdown 16  downright 48  rightup 80  upleft  112 类似对应45度  刚好8个方向

 1：二值化提取出轮廓     

                    

    轮廓点集  <x,y,dir>由46个点组成

        

2：去掉同一条直线上的点，以及将直线变平滑（如90度角处理成45度&