检测图像中的对象（单词）
我想在车牌（城市名称）中实现对象检测。 我有一个图像：
并且我想检测图像是否包含单词“بابل”：
我曾尝试过使用OpenCV的模板匹配方法，也使用MATLAB，但在使用其他图像进行测试时结果很差。
我也读过这个页面，但是我不能很好地理解该怎么做。
任何人都可以帮助我或一步一步地解决这个问题吗？ 我有一个项目来识别车牌，我们可以识别和检测数字，但我需要检测和识别这些单词（与更多汽车相同的单词）
您的问题非常广泛，但我会尽我所能在程序化环境中解释光学字符识别（OCR），并为您提供一个通用的项目工作流程，然后提供成功的OCR算法。
你面对的问题比大多数人更容易，因为你不需要识别/区分不同的角色，而只需要识别单个图像（假设这是你想识别的唯一城市）。 但是，您受到任何图像识别算法（质量，光照，图像变化）的许多限制。
你需要做的事情：
1） 图像隔离
您必须将图像从嘈杂的背景中分离出来：
我认为最好的隔离技术是首先隔离牌照，然后隔离你要找的特定字符。 在此步骤中要牢记的重要事项：
这项任务的难度/实施在很大程度上取决于这三个问题的答案。
2） 图像捕获/预处理
这对于您的特定实施非常重要。 尽管可能，但您的图像看起来像这样的可能性很小：
因为您的相机必须直接放在车牌前面。 更可能的是，你的图像可能看起来像这样：
取决于图像拍摄的视角。 理想情况下，您的所有图像都将从相同的有利位置获取，并且您只需应用单个转换，以使它们看起来相似（或者根本不应用）。 如果你有不同的有利位置拍摄的照片，你需要操纵它们，否则你会比较两个不同的图像。 此外，特别是如果您仅从一个有利位置拍摄图像并决定不进行变换，请确保您的算法正在查找的文本转换为来自同一视点。 如果你不这样做，你的成功率就不会那么高，难以调试/计算出来。
3） 图像优化
您可能需要（a）将图像转换为黑白图像;（b）降低图像的噪点。 这两个过程分别称为二值化和去斑。 这些算法有很多不同的实现可用于许多不同的语言，大部分可以通过Google搜索访问。 如果你愿意，你可以使用任何语言/免费工具批量处理你的图像，或者找到一个实现与你决定工作的任何语言一起工作。
4） 模式识别
如果你只想搜索这个城市的名字（只有一个词），你很可能会想要实现一个矩阵匹配策略。 许多人也将矩阵匹配称为模式识别，因此您可能在此之前已经听说过它。 下面是一篇很好的论文，详细介绍一种算法实现，如果您选择使用矩阵匹配，该算法应该能够帮助您。 另一种可用的算法是特征提取，它试图根据字母内的模式（即循环，曲线，线条）来识别单词。 如果车牌字的字体风格发生变化，您可能会使用这种方式，但如果始终使用相同的字体，我认为矩阵匹配会得到最好的结果。
5） 算法训练
根据您采用的方法（如果您使用学习算法），您可能需要使用标记的数据来训练算法。 这意味着你有一系列你已经确定为True （包含城市名称）或False （不）的图像。 这是一个psuedocode的例子，它是如何工作的：
train = [(img1, True), (img2, True), (img3, False), (img4, False)]
img_recognizer = algorithm(train)
然后，您应用您的训练算法来识别未标记的图像。
test_untagged = [img5, img6, img7]
for image in test_untagged:
img_recognizer(image)
你的训练集应该比四个数据点大得多; 一般来说，越大越好。 正如我之前所说的，只要确保所有图像都具有相同的转换。
这是一个非常非常高级的代码流，可能有助于实现您的算法：
img_in = capture_image()
cropped_img = isolate(img_in)
scaled_img = normalize_scale(cropped_img)
img_desp = despeckle(scaled_img)
img_final = binarize(img_desp)
#train
match() = train_match(training_set)
boolCity = match(img_final)
上面的过程已经实施了很多次，并且以许多语言进行了彻底的记录。 以下是您的问题中标记语言的一些实现。
祝你好运！
如果你问“我想检测图像是否包含单词”بابل“ - 这是经典的问题，它可以像分类器一样使用http://code.opencv.org/projects/opencv/wiki/FaceDetection解决。
但我认为你还想要更多。 多年前，我试图解决类似问题，并提供示例图像来展示它的好坏：
要检测到车牌，我使用了每个OpenCV示例文件夹中包含的非常基本的矩形检测。 然后使用透视变换来修复布局和大小。 实施多重检查是非常重要的，看看矩形看起来是否足够成为牌照。 例如，如果矩形的高度是500px，宽度是2px，那么这可能不是我想要的，并且被拒绝了。
使用https://code.google.com/p/cvblob/在检测板上提取阿拉伯文本和其他组件。 其他项目我昨天也有类似的需求。 我不得不从页面中提取日本汉字符号：
CvBlob为你做了很多工作。
下一步使用技巧解释http://blog.damiles.com/2008/11/basic-ocr-in-opencv/匹配城市名称。 只要用不同城市名称的示例图像教算法，不久它就会告知99％刚刚开箱即用的算法。 我在不同的项目上使用过类似的方法，并确信它们的工作
链接地址: http://www.djcxy.com/p/79569.html