检测图像上文本存在的算法

Question

在我的新任务中，我正在寻找一种方法来检测图像上文本的存在。 图像是地图 - 例如可以是谷歌地图。 任务是检测街道/城市标签的放置位置。

我知道 opencv 库有可以检测特征（例如人脸）的算法 - haar 分类器或 hog（定向梯度的直方图），但我听说此类算法的学习过程非常困难。

您是否知道可以执行此操作的任何算法、方法或库（检测图像上是否存在文本）？

谢谢，约翰

Answer 1

视觉中有一个标准问题，称为图像中的文本检测。 它与 OCR 完全不同。 OCR 只关心它所说的内容，而文本检测则是确定图像中是否有文本。 Adi Shavit 的第三个链接是解决这个问题的方法。 您可以查看谷歌学者引用的关于文本检测的文章。

Answer 2

您可以采用几种可能的方法。

1. 使用 OCR。 在 Stackoverflow 上搜索 OCR 将显示许多选项。 这些包括Tesseract和Ocropus 。
2. 如果您的文本使用非常具体的固定字体，您可以使用简单的模板匹配。
3. 在更一般的情况下，您可能需要查看“ 使用笔画宽度变换检测自然场景中的文本”

2017 年 1 月更新
OpenCV 3.2 contrib 模块现在有一个文本检测模块。
它还包括如何使用它的示例（ C++ 、 Python ）。

Answer 3

您需要将其调整为特定类型的地图图像，否则问题将非常困难（请参阅上一篇关于文章链接的帖子）。

OCR 是可行的方法，您应该使用现有的库。 但是，OCR 主要是在白色背景上的文本上完成的。 要将您的问题简化为常规 OCR 问题，您应该尝试处理地图的色彩空间。 可能地图文本具有非常特定的颜色，这可能足以找到这些像素。 然后，您可以根据连接区域的大小过滤检测到的像素。

如果您实际上只想找到文本标签的位置，则可以执行上述操作，几乎只需跳过 OCR 步骤。 如果标签不太接近，可以使用简单的聚类算法来找到它们各自的位置。