【发布时间】：2009-02-07 23:22:55
【问题描述】：
问题C++ Library for image recognition: images containing words to string的接受答案建议您：
- 将输入图像放大/缩小到 300 DPI。
我该怎么做...我的印象是 DPI 是针对显示器的，而不是图像格式。
【问题讨论】：
标签： c++ image-processing computer-vision tesseract
【发布时间】：2009-02-07 23:22:55
【问题描述】：
我认为这里更准确的术语是 resampling。您需要足够高的像素分辨率来支持准确的 OCR。字体大小（例如points）通常以长度为单位，而不是像素。由于 72 点 = 1 英寸，我们需要每点 300/72 像素来获得 300 dpi（“每英寸像素”）的分辨率。这意味着典型的 12 磅字体的高度（或者更准确地说，单行距文本中的基线到基线的距离）为 50 像素。
理想情况下，您的源文档应该以适合给定字体大小的分辨率进行扫描，以使图像中的字体大约为 50 像素高。如果分辨率太高/太低，您可以使用图形程序轻松重新采样图像（例如GIMP）。您也可以通过图形库以编程方式执行此操作，例如 ImageMagick，它具有许多编程语言的接口。
【讨论】：
-
将低分辨率图像重新采样到更高分辨率有什么意义？
只要您将像素中的图像与具有图片大小的物理设备相关联，DPI 就很有意义。在 OCR 的情况下，它通常意味着扫描的分辨率，即每英寸扫描将获得多少像素。 12 磅字体意味着以每行 12/72 英寸打印，大写字符可能占其中的 80%；因此以 300 DPI 扫描时，它的高度约为 40 像素。
许多图像格式都记录了 DPI。如果图像被扫描，这应该是扫描仪的准确设置。如果它来自数码相机，它总是说 72 DPI，这是 EXIF 规范强制要求的默认值；这是因为相机无法知道图像的原始大小。当您使用成像程序创建图像时，您可能有机会将 DPI 设置为任意值。这是为了方便您指定最终图像的使用方式，并且与图像中包含的细节无关。
这是一个先前的问题，询问调整图像大小的详细信息： How do I do high quality scaling of a image?
【讨论】：
OCR 软件通常设计为使用“正常”字体大小。从图像的角度来看，这意味着它将寻找可能在 30 到 100 像素高度范围内的字母。分辨率更高的图像会产生看起来太大的字母，OCR 软件无法有效处理。同样，分辨率较低的图像无法为软件提供足够的像素来识别字母。
【讨论】：
-
奇怪的是，我在字体大小为 12 的情况下抓取了 verdana，并且要么命中要么错过。其他图像处理完成，例如使其成为二值图像。
-
更新：哇，将图像大小增加了 2，从而将其置于目标范围内。似乎工作得很好atm！还在玩。
“我该怎么做...我的印象是 dpi 是用于显示器，而不是图像格式。”
DPI 代表每英寸点数。跟显示器有什么关系？好吧，我们有一个由三个 RGB 子像素组成的像素。 DPI 越高，您塞入该空间的细节就越多。
DPI 对显示和打印来说是一种有用的测量方法，但没有什么用处……事实上，对于图像格式本身没有任何用处。
在某些格式中标记 DPI 的原因是指示设备以该分辨率显示，但据我了解，几乎所有设备都忽略了该指示，并尽最大努力优化特定输出的图像。
您可以将图像格式的 72 dpi 更改为 1 dpi 或 6000 dpi，这在显示器上不会产生任何影响。 “放大/缩小到 300 dpi”没有意义。重采样也不会改变 DPI。在 Photoshop 中尝试，在更改 DPI 时取消选中“重新采样”，你会发现没有任何区别。它不会变大或变小。
DPI 对于图像格式完全没有意义，IMO。
【讨论】：
如果您的目标是 OCR，则 DPI 可以作为原始扫描文档中每英寸图像中的点数。如果你的 dpi 太低，信息就永远消失了，即使是双三次插值也不能很好地恢复它。如果你的dpi太高，很容易丢位。
完成工作；我是 netpbm/pbmplus 工具集的忠实粉丝；开始的工具是pnmscale，不过如果你有位图，你可以考虑使用相关工具，例如pbmreduce。
【讨论】：