照片OCR

照片OCR就是想要读取图像中的文字，因此工作流程如下：
1、文本检测

2、字符切割

3、字符识别

一、首先来看文本检测——滑动窗口

1、先学习行人检测的思路。
1）首先要确定检测框的尺寸8040
拿到一个数据集，训练出一个分类器，能够判断8040的图像内有没有行人。
2）对于输入一张图片，从图片左上角开始划一个检测框，送入分类器识别是否有行人；再根据步长来移动检测框，直到划过了整张图片。

还可以使用更大一点的检测框，但是需要resize到80*40的大小才能送入分类器识别。
3）最后能够在这个图中，识别出行人位置。

2、类似的，对于文字检测
1）首先要用数据集，来训练出分类器

正类包含了文字，负类没有文字。
2）输入一张图片运行检测算法

得到结果：

白色区域表示检测到有文字。
3）扩大白色区域

如果某个像素是白色的，且周围5-10个像素的范围内都扩展为白色。
4）然后排除一些奇怪的矩形框（不可能是文字的），比如弯曲的。对剩下的白色区域框起来。

这样就从图片得到了文本框。

二、文本切割

再次使用监督算法。
1、训练分类器。

正类表示存在文字间隔，反类表示没有文字间隔。训练出一个分类器。
2、再次使用滑动窗口

对这样一个矩形框，分类器会认为没有间隔，然后继续滑动。

此时会认为有间隔，因此可以进行文本切割。直到滑动了整张图片。

三、文本识别

这就相当于一个多分类，很容易实现。