經過第一部分，我們已經較好地提取了影象的文字特徵，下面進行文字定位。 主要過程分兩步：
1、鄰近搜尋，目的是圈出單行文字；
2、文字切割，目的是將單行文字切割為單字。
鄰近搜尋
我們可以對提取的特徵圖進行連通區域搜尋，得到的每個連通區域視為乙個漢字。 這對於大多數漢字來說是適用，但是對於一些比較簡單的漢字卻不適用，比如「小」、「旦」、「八」、「元」這些字，由於不具有連通性，所以就被分拆開了，如圖13。 因此，我們需要通過鄰近搜尋演算法，來整合可能成字的區域，得到單行的文字區域。
鄰近搜尋的目的是進行膨脹，以把可能成字的區域「粘合」起來。如果不進行搜尋就膨脹，那麼膨脹是各個方向同時進行的，這樣有可能把上下行都粘合起來了。因此，我們只允許區域向單一的乙個方向膨脹。我們正是要通過搜尋鄰近區域來確定膨脹方向(上、下、左、右)：
鄰近搜尋* 從乙個連通區域出發，可以找到該連通區域的水平外切矩形，將連通區域擴充套件到整個矩形。 當該區域與最鄰近區域的距離小於一定範圍時，考慮這個矩形的膨脹，膨脹的方向是最鄰近區域的所在方向。
既然涉及到了鄰近，那麼就需要有距離的概念。下面給出乙個比較合理的距離的定義
距離
如上圖，通過左上角座標(x,y)和右下角座標(z,w)就可以確定乙個矩形區域，這裡的座標是以左上角為原點來算的。 這個區域的中心是( (x+z)/2, (y+w)/2 )。對於圖中的兩個區域s和s′，可以計算它們的中心向量差
如果直接使用
作為距離是不合理的，因為這裡的鄰近應該是按邊界來算，而不是中心點。因此，需要減去區域的長度：
距離定義為
至於方向，由
的幅角進行判斷即可。
然而，按照前面的「鄰近搜尋*」方法，容易把上下兩行文字粘合起來，因此，基於我們的橫向排版假設，更好的方法是只允許橫向膨脹：
鄰近搜尋從乙個連通區域出發，可以找到該連通區域的水平外切矩形，將連通區域擴充套件到整個矩形。 當該區域與最鄰近區域的距離小於一定範圍時，考慮這個矩形的膨脹，膨脹的方向是最鄰近區域的所在方向，當且僅當所在方向是水平的，才執行膨脹操作。
結果 有了距離之後，我們就可以計算每兩個連通區域之間的距離，然後找出最鄰近的區域。 我們將每個區域向它最鄰近的區域所在的方向擴大4分之一，這樣鄰近的區域就有可能融合為乙個新的區域，從而把碎片整合。
實驗表明，鄰近搜尋的思路能夠有效地整合文字碎片，結果如圖15。
OCR光學字元識別
沒搞過計算機視覺，只好拿來主義了 根據網上的推薦 1.google vision，識別效果還不錯，收費，而且對於複雜文字也不是很理想，所以繼續尋找開源 2.tesseract，最負盛名的開源識別軟體，據說google vision內部也是基於此。就我們公司的需求來說 提取中嵌入的文字 tessera...
開源OCR光學字元識別
優秀的開源ocr軟體包括 tesseract 原本由惠普開發的影象識別類庫tesseract ocr已經更新到2.04，就是最近google支援的那個ocr。原先是惠普寫的，現在open source了。ocropus ocropus的 tm 是乙個先進的檔案分析和ocr系統，採用可插入的布局分析，...
開源OCR光學字元識別
優秀的開源ocr軟體包括 tesseract 原本由惠普開發的影象識別類庫tesseract ocr已經更新到2.04，就是最近google支援的那個ocr。原先是惠普寫的，現在open source了。ocropus ocropus的 tm 是乙個先進的檔案分析和ocr系統，採用可插入的布局分析，...