用Python自動識別字體

Question

正如你可能聽說過的，有一個在線字體識別服務調用WhatTheFont

我很好奇這個工具背後的技術。我覺得基本上我們可以單獨爲兩個部分是：

1. 生成各種格式的字體文件圖像，請參閱http://www.fileinfo.com/filetypes/font的字體文件擴展名列表。

2. 比較提交的圖像與所有生成的圖像

我很欣賞你分享一些建議或Python代碼來實現上述兩個步驟。

Answer 1

由於OP狀態，有兩個部分（可能還有第三部分）：

1. 使用PIL產生images from fonts。

2. 使用圖像分析工具包，如OpenCV（具有Python綁定）來比較不同的形狀。有多種標準技術可以比較不同的對象以查看它們是否相似。例如，scale invariant moments工作得很好，並且是OpenCv工具包的一部分。

3. ＃2中的大多數標準工具都是用來尋找類似但不一定相同的形狀，但對於字體比較而言，這可能不是您想要的，因爲字體之間的差異可以基於非常精細的細節。要進行細節分析，請嘗試比較每個字母周圍路徑的x和y輪廓，當然要進行適當的標準化。 （這一點，或者它的一個更復雜的數學變種，已經使用的字體分析很成功。）

Answer 2

我不能提供Python代碼，但這裏有兩種可能的方法。

1. 「特徵字符」。在人臉識別中，給定大量的規範化人臉圖像訓練集，可以使用主成分分析（PCA）獲得一組「特徵臉」，當訓練臉投影到這個子空間時，這些「特徵臉」表現出最大的方差。輸入測試面相對於特徵臉空間的「座標」可以用作分類的特徵向量。同樣的事情可以用文本字符來完成，即字符'A'的許多版本。

2. 動態時間扭曲（DTW）。這種技術有時用於手寫字符識別。這個想法是，鉛筆尖（即d/dx，d/dy）所採取的軌跡對於相似的字符而言是相似的。 DTW使單人的寫作實例中的一些變體保持不變。同樣，角色的輪廓可以表示軌跡。該軌跡然後成爲每個字體集的特徵向量。我猜DTW部分對於字體識別來說並不是必要的，因爲機器創建了角色，而不是人類。但是消除空間歧義可能仍然有用。