I am Rocky

http://blog.youkuaiyun.com/conmajia/article/details/7649551光學圖像識別（OCR）是非常有用的技術。在驗證碼識別、車牌號識別、文字識別方面，基於字符的識別技術算是比較容易上手的了（相比圖文識別）。閒來看到有朋友研究驗證碼識別，一時手癢，野比自己動手來做做驗證碼識別。當然，肯定只是簡單的驗證碼。名為驗證碼，實際上並不限於，還可

http://www.cnblogs.com/physoft/archive/2010/08/31/1813559.html最近競標了農業部二維碼的識別，感覺開發出來的二維碼識別率還非常不錯，速度也很快，這裡分享下。      二維碼已經開始普及起來。15-20年前設計的QR碼和DM碼仍然是主流碼。國內也有不少碼制出現，但其實詳細看，也是換湯不換藥，適應性還是很差。差的原因是很

http://www.cnblogs.com/physoft/articles/TesseractOCR.htmlTesseract OCR 文字識別庫識別率還是非常高的，但是前提是圖像背景簡單，如果有復雜的背景，識別率幾乎為0.下面介紹從具有復雜背景圖像中應用 Tesseract OCR提取文字的關鍵技巧。以我做的提取運動員號碼的項目為例。測試圖例：更多測試圖例，請訪

http://www.cnblogs.com/physoft/archive/2011/07/15/2107417.htmlTesseract OCR 文字識別庫識別率還是非常高的，但是前提是圖像背景簡單，如果有復雜的背景，識別率幾乎為0.下面介紹從具有復雜背景圖像中應用 Tesseract OCR提取文字的關鍵技巧。以我做的提取運動員號碼的項目為例。測試圖例：更多測試

http://www.cnblogs.com/physoft/archive/2011/07/19/2110513.html前面提到了如何使用Tesseract OCR 從復雜圖像中提取文字，關鍵在於將圖像分割，局部二值化後傳給Tesseract識別，如從下圖中提取每個物品的數量：方法是先使用幾何特征和顏色特征將物品分割為小的局域，再將每個區域二值化。這樣，每個局域就對

http://www.cnblogs.com/physoft/archive/2011/09/19/2181180.html最近使用Tesseract OCR 識別了美元序列號。原本使用自己開發的OCR庫識別（下稱B庫）. B庫在字符集很小的時候，比如A-Z, 0-9, 識別室外字符性能遠優越於Tesseract OCR. 因為室外字符光照，陰影，噪音非常嚴重，二值化後往往字符有大量較

http://www.cnblogs.com/djlzxzy/archive/2011/08/10/2134267.html同學們一定見過商品的條形碼吧！商品條形碼是一個13位數，它是商品的「身份證」．條形碼中前8位是廠商識別代碼，接著4位是商品項目代碼，最後一位是校驗碼，校驗碼是由前12位數按一定公式計算而得出的．其計算公式見下表．步驟舉例說明

http://yy-programer.blogspot.tw/2012/08/training-tesseract-ocr-301.html 最近在研究車牌辨識找上了歷史相當久遠的TesseractTesseract屬於開放原始碼，並在Google code中維護Tesseract的討論相當多，但是對於訓練(traning)的著墨是少之又少幾乎千篇一律