.NET के लिए सरल ऑप्टिकल कैरेक्टर मान्यता

यह सब एक मनमानी खिड़की का एक स्नैपशॉट लेने के लिए और पहले से 3-4 बार प्रति सेकंड ज्ञात प्रतीकों के साथ कई छवि क्षेत्रों को पहचानने के लिए अनुप्रयोगों में से एक में आवश्यकता के साथ शुरू हुआ। WinAPI का उपयोग करके विंडो का स्क्रीनशॉट बनाने में कोई समस्या नहीं थी, लेकिन मुझे मान्यता पर थोड़ा काम करना था।

Tessnet2 और MODI

स्वाभाविक रूप से, एक शुरुआत के लिए, मैंने तैयार समाधानों की तलाश की। Google द्वारा जारी की गई पहली चीज़ Tesseract लाइब्रेरी थी, या इसके .NET के अंतर्गत उसका आवरण - जिसे Tessnet2 कहा जाता था। दुर्भाग्य से, एक विस्तृत अध्ययन से पता चला कि यह मुझे सूट नहीं करता है। Tesseract के दूसरे संस्करण में, काफी मेमोरी लीक्स थे, जो मुझे शोभा नहीं देता था, क्योंकि Tessnet2 का उपयोग करने के कार्यक्रम के 10 मिनट बाद, एप्लिकेशन एक OutOfememoryException के साथ क्रैश हो गया। Tesseract पेज का कहना है कि तीसरे संस्करण में कोई लीक नहीं होना चाहिए, लेकिन मुझे Tesseract3 के लिए एक काम करने वाला आवरण भी नहीं मिला।

साथ ही, MODI टूल (Microsoft Office Document Imaging) ने मुझे सूट नहीं किया - क्योंकि यह केवल फाइलों को पहचानता है (आप इसे मान्यता के लिए बिटमैप वर्ग का उदाहरण नहीं दे सकते)।

.NET के लिए अन्य मुफ्त चरित्र मान्यता पुस्तकालयों की छोटी Google खोज और उनके साथ जुड़ी समस्याओं के बाद, मैंने फैसला किया कि ऐसे मामलों के लिए सिर्फ अपनी छोटी लाइब्रेरी बनाना आसान होगा। इसके अलावा, कार्य काफी दिलचस्प है।

हमारे पास क्या है:

• प्रतीक बिल्कुल विकृत नहीं होते हैं। अर्थात, कैप्चा पहचानने के लिए आप कैप्चा का उपयोग नहीं कर सकते
• पहचानने योग्य वर्णों का समूह स्थिर है और प्रत्येक वर्ण के लिए हमारे पास इसकी छवि के साथ एक फ़ाइल है
• पात्रों की एक छोटी संख्या को पहचानने के लिए। जितने अधिक अक्षर - उतने लंबे समय तक वह पहचानता है

विचार

परिणामस्वरूप मैं क्या प्राप्त करना चाहता था? एक वर्ग प्राप्त करें जिसकी विधि आप एक छवि को स्थानांतरित कर सकते हैं, एक विशेष फ़ाइल पहचानने योग्य पात्रों के साथ, और आउटपुट पर एक मान्यता प्राप्त स्ट्रिंग प्राप्त कर सकते हैं। कुछ इस तरह:

var playerStacks = new OCRReader(OCRFont.Load("MyFont.pft")), Color.Black, useForeColor: false);
var stackString = playerStacks.Recognize(imageToRecognition);

मैंने यह भी सोचा कि इस तरह की फॉन्ट फाइल्स बनाने और किसी विशिष्ट इमेज पर बनाए गए फॉन्ट को चेक करने के लिए यूटिलिटीज रखना अच्छा होगा। उपयोगिताएँ केवल सुविधा के लिए हैं। उपयोगिताओं का उपयोग करके किए जाने वाले सभी कार्यों को कोड में भी किया जा सकता है।

कार्यान्वयन

सभी कार्यक्षमता तीन वर्गों OCRSymbol, OCRFont और OCRReader के बीच वितरित की जाती है।

OCRSymbol - एक प्रतीक का वर्णन करता है: उसका नाम, चौड़ाई और ऊंचाई, पूरे सेट के उच्चतम प्रतीक के सापेक्ष एक प्रतीक की एक पारी, प्रतीक की बिंदु विशेषताओं की सूची और बिंदु जो पृष्ठभूमि बनाते हैं।

OCRFont एक चरित्र सेट है जो बाइनरीफ़ॉर्मेटर का उपयोग करके क्रमबद्ध है।

OCRReader - एक-एक करके वर्णों का समन्वय करता है। यह पढ़ने की रणनीति भी निर्धारित करता है। तथ्य यह है कि इस वर्ग का एक उदाहरण बनाते समय, हम रंग सेट कर सकते हैं। इस रंग का उपयोग या तो पृष्ठभूमि के रंग के रूप में किया जाएगा (यह सब इस रंग नहीं है, फिर प्रतीक का), या प्रतीक के रंग के रूप में (जो कि यह रंग नहीं है वह पृष्ठभूमि है)। यह उन मामलों के लिए आवश्यक है जब पृष्ठभूमि में एक से अधिक रंग का उपयोग किया जाता है, या जब एक से अधिक रंगों में एक प्रतीक तैयार किया जाता है।

मामला जब एक प्रतीक एक से अधिक रंगों (काली पृष्ठभूमि, सब कुछ एक प्रतीक है) में खींचा जाता है


मामला जब पृष्ठभूमि मोनोक्रोम नहीं होती है (पृष्ठभूमि एक हरे रंग की ढाल है, वर्ण सफेद में खींचे जाते हैं)


मान्यता एल्गोरिथ्म बहुत सरल है। प्रत्येक चरित्र को दो सार्वभौमिक सूचियों द्वारा वर्णित किया गया है। पहला - अंक जो कि प्रतीक (अच्छा) में मौजूद होना चाहिए, दूसरा - जो नहीं होना चाहिए, वह है, पृष्ठभूमि (खराब)। अगले चरित्र के साथ तुलना करते समय, पृष्ठभूमि बिंदुओं की सूची को पहले पारित किया जाता है, यदि अगले बिंदु की जांच करते समय, मान्यता प्राप्त छवि में संबंधित बिंदु पृष्ठभूमि नहीं है (ओसीआरआरडर बनाते समय पृष्ठभूमि का रंग सेट किया जाता है), चक्र समाप्त होता है और अगले चरित्र के साथ तुलना में जाता है। यदि पृष्ठभूमि बिंदुओं की सूची सफलतापूर्वक पारित हो गई है, तो इसी तरह प्रतीक के बिंदुओं की सूची के माध्यम से चलाएं। कोई भी बेमेल - अगले प्रतीक के साथ तुलना पर जाएं। यदि सभी जांचें सफल रहीं, तो हमने अपने प्रतीक को पहचान लिया है और आगे की मान्यता को आगे बढ़ा सकते हैं।

अतिरिक्त उपयोगिताओं

मैं प्रत्येक चरित्र के लिए मैन्युअल रूप से अंकों की सूचियों का वर्णन नहीं करना चाहता था, इसलिए मैंने एक उपयोगिता लिखी जो स्वचालित रूप से किसी दिए गए निर्देशिका से सभी छवि फ़ाइलों को आयात करती है और इन सूचियों को फ़ाइल के नाम और दिए गए पृष्ठभूमि रंग से बनाती है। बेशक, ज्यादातर मामलों में मैनुअल समायोजन वांछनीय होगा। चूंकि छवि के सभी पिक्सेल पृष्ठभूमि बिंदुओं और प्रतीक बिंदुओं की सूची में बिखरे हुए हैं। ज्यादातर मामलों में, यह सटीकता आवश्यक नहीं है। चरित्र की विशिष्ट पहचान करने के लिए प्रत्येक सूची से 10-20 अंक इंगित करना पर्याप्त है। उदाहरण के लिए, मेरे उदाहरण के लिए, प्रतीक '6' के लिए, पिक्सेल की निम्न सूची पर्याप्त थी (लाल - पृष्ठभूमि, हरा - प्रतीक, सफेद - चेक नहीं किया गया)। पहला स्क्रीनशॉट - प्रतीक उपयोगिता द्वारा वर्णित है, दूसरा - मैनुअल संपादन के बाद। उन्हें उसी तरह पहचाना जाता है। यहां तक ​​कि कम विशिष्ट बिंदु भी बनाए जा सकते थे।


पिछली उपयोगिता का उपयोग करके बनाई गई फ़ॉन्ट फ़ाइल के संचालन को सत्यापित करने के लिए एक उपयोगिता भी बनाई गई थी।

क्रॉपिंग को ध्यान में रखते हुए 5 पात्रों को पहचानना (पात्रों की सीमाओं के लिए छवि को क्रॉप करना) ने 37 एमएस लिया। पूर्ण वर्णमाला के लिए, मान्यता का समय अपने आप लंबा हो जाएगा।

स्रोत कोड

पहचानकर्ता कक्षाओं के साथ एक पुस्तकालय, फ़ॉन्ट फ़ाइलों को बनाने और संपादित करने के लिए एक उपयोगिता और छवियों पर जांच, फ़ॉन्ट छवियों के उदाहरण, साथ ही विज़ुअल स्टूडियो 2010 के लिए स्रोत कोड mediafire.com से डाउनलोड किया जा सकता है।
या GitHub.com से

निष्कर्ष

एफ़गोर .NET लाइब्रेरी का उपयोग किनारों के चारों ओर की छवि को क्रॉप करने के लिए किया जाता है क्योंकि बिटमैप.क्लोन विधि बहुत धीमी गति से काम करती है। मुझे खुशी होगी अगर मेरा काम मेरे अलावा किसी और के लिए उपयोगी है।

सामग्री का इस्तेमाल किया

1. Tesseract लाइब्रेरी पेज
2. Tesseract2 पर आवरण - Tessnet2
3. MODI के साथ काम करें
4. AF .NET