OCR結合字體識別？

Question

假設你有一個像下面的圖片：

你將如何建立一個服務來分析該圖像和處理的幾秒鐘，顯示對應於每個文本區域可編輯區域中的文件：

（該矩形是爲了顯示每個可編輯區域的邊界。）

該軟件將需要多種技術結合：

• 字體檢測（最接近的匹配）
• 文本樣式確定（字體大小，字體重量，行高，字母間距，字體 - 的CSS當量變體，文本修飾等）

從這裏，用戶將能夠編輯每個框中的文本來修改文檔。

Answer 1

這是常見的OCR引擎通常所做的事情。看看ABBYY FineReader時，OMNIPAGE，楔形文字，谷歌Tessetact，Expervision等等

這並不容易，因爲它看起來就像許多商業OCR引擎仍然做出愚蠢的錯誤，最引擎已經花費數年時間來開發。

查找段落邊界框的問題是OCR過程的一部分。在你的情況下，段落分區很簡單，但想起報紙或雜誌的頁面，工作變得更加困難。

背景保存的問題同樣困難。簡單的單色背景很容易刪除，但添加一些更復雜的東西，並很快變得困難。

將所有三個問題結合在一起在同一個圖像，它變得更加困難。添加一些線條和框，灰度陰影，半色調，旋轉字體，淡入淡出和其他特殊效果，OCR幾乎變得不可能。許多OCR引擎在具有明確定義的文本的簡單頁面上100％準確，但是當您開始爲文檔添加更多複雜性時，閱讀速度開始快速下降。一些OCR引擎比其他引擎更好。

Answer 2

如果你想有一個免費的圖書館要做到這一點，使用正方體。它會返回邊界框和一些其他功能以及OCR文本。

至於字體，我不確定是否可以在tesseract中訪問它的相關信息，但是如果沒有，只要有文本和圖片，就很容易找到與現有字體最接近的匹配。