矫正倾斜文档的算法

Question

我正在进行一个涉及 OCR 的项目。检测到每个字符后，我需要结合紧密的字符来创建单词。为此，我尝试创建一个优先级队列，其中包含有关检测到的字符的信息（形成字符的像素集和字符在文档图像上的位置），并为文档顶部的字符赋予更高的优先级，并且更高的优先级如果两个字符在同一行，则到最左边的字符。然后依次轮询优先队列中的字符，希望它能给我从左到右和从上到下的所有字符，并根据每两个后续字符之间的空间构建单词。当文档稍微倾斜时实际上失败了，因为一些明显在人眼同一行的字符不一定在相同的像素高度（阈值为 5~10px）。

有没有自动拉直文档的算法？或检测倾斜角度？或者任何图书馆？或者如果没有，有没有办法解决这个问题？这是我最后一年的项目，我没有多少时间来解决这个问题。请帮忙。谢谢。

Answer 1

如果倾斜和行间距使得文本行总是可以被水平线分隔，则使用特殊的比较规则进行排序就足够了：

• 如果 A 的底部高于 B 的顶部，则 A 在 B 之前，反之亦然；

• 否则，如果 A 中的某个点位于 B 中某个点的左侧，则 A 在 B 之前，反之亦然。

如果偏斜太大，您需要隔离各个线。一种方法是找到每个字符的左/右近邻，并形成链。链中的字符按横坐标排序。

当歪斜很大而中间行很小时，我不知道没有简单且防弹的解决方案。

Answer 2

我相信 2D Fourier Transform 可以在这里提供帮助：

1. 以与字符大小相当的半径平滑文档
2. 执行傅里叶变换
3. 分析频谱

我希望强分量对应于垂直方向，而弱分量对应于水平方向。还知道线距离可以限制分析区域并提高准确性。