กล้องโทรศัพท์มือถือและกล้องถ่ายภาพน

กล้องโทรศัพท์มือถือและกล้องถ่ายภาพนิ่งในปัจจุบันนั้น มีความคมชัดมากขึ้น ราคาถูกลง และสามารถพกพาได้ง่าย แต่ภาพที่ได้จากกล้องมีคุณภาพต่ำเกินไปที่จะใช้กับโปรแกรมรู้จำตัวอักษร (OCR) เนื่องจากสภาวะแสงในการถ่ายภาพ โฟกัสของกล้อง เงาและปัจจัยอื่นๆ
จากการสังเกตลักษะเฉพาะของภาพเอกลักษณ์จากสแกนเนอร์ ผมจึงได้นำเสนอวิธีการ Binarization ใหม่ ซึ่งใช้การแบ่งบริเวณภาพเป็นส่วนย่อยเพื่อให้ความซับซ้อนในแต่ละบริเวณขอภาพลดน้อยลง โดยใช้ค่าย Skewness Coeffcient เป็นเกณฑ์ หลังจากนั้นบริเวณที่ไม่มีตัวอักษรจะถูกแยกออกไปโดยใช้วิธี Difference of Gaussian ส่วนบริเวณที่เหลืออยู่จะถูก Threshold ด้วยวิธีการของ Otsu ซึ่งถูกปรับปรุงให้สามารถทำงานกับภาพที่มีตัวอักษรสีเข้มบนพื้นสีอ่อนได้ดี เช่นเดียวกับภาพที่มีตัวอักษรสีอ่อนบนพื้นสีเข้ม วิธีการนำเสนอนี้ได้ถูกนำไปใช้เปรียบเทียบกับวิธีการอื่นๆ ได้แก่ วิธีการ ของ Hui-Fuang Niblack, และ Sauvola โดยสภาพเอกสารถูกบันทึกด้วยกล้องดิจิทัลที่ความละเอียด 72 และ 120 dpi ขนาด 1600x1200 pixel โฟกัสสั้น
จาการทดลองพบว่า ค่าความผิดพลาดจากการรู้จำตัวอักษรเฉลี่ยของวิธีการ ที่ผมได้นำเสนอนี้มีค่าเท่ากับ 14.59% ซึ่งสูงกว่าวิธีการของ Sauvola ที่เป็นวิธีที่ดีที่สุดในการทดลองเพียง 4.92% แต่วิธีที่ได้พัฒนาขึ้นนี้สามารถทำงานได้เร็วกว่าและใช้งานง่ายกว่า เนื่องจากไม่จำเป็นต้องให้ผู้ใช้กรอกข้อมูลใดๆ เพื่อประมวลผล

ผลลัพธ์ (อังกฤษ) 1:

Mobile phone cameras and still cameras nowadays. There is a very sharp appreciation is down and you can easily carry it from the camera too low quality to be used with programs recognized characters (OCR) because the light in the shadow of the camera focus photography and other factors. From the observation of unique images from scanners, digital cameras, laksa, I have proposed a new Binarization method, which is used to split the image region as subsections to the complexity in each region are less pictures. Using the camps as Coeffcient Skewness After that, where there are no characters are excluded by using the method of Difference of Gaussian best remaining area will be by means of the Otsu Threshold was adjusted to be able to work with images that have dark letters on a light colored background as well. As well as images that contain a light on dark background. The proposed method was applied to compare with other methods such as Niblack Hui-Fuang how to's, and the document is saved with the condition by Sauvola digital camera at 72 dpi resolution, pixel size and short focal 1600x1200 120. จาการทดลองพบว่า ค่าความผิดพลาดจากการรู้จำตัวอักษรเฉลี่ยของวิธีการ ที่ผมได้นำเสนอนี้มีค่าเท่ากับ 14.59% ซึ่งสูงกว่าวิธีการของ Sauvola ที่เป็นวิธีที่ดีที่สุดในการทดลองเพียง 4.92% แต่วิธีที่ได้พัฒนาขึ้นนี้สามารถทำงานได้เร็วกว่าและใช้งานง่ายกว่า เนื่องจากไม่จำเป็นต้องให้ผู้ใช้กรอกข้อมูลใดๆ เพื่อประมวลผล

ผลลัพธ์ (อังกฤษ) 2:

Mobile phone camera and still camera of the moment. A sharper, cheaper and easier to carry. But the images from the camera quality is too low to be used with optical character recognition (OCR) due to low light shooting. The camera focus Sleek and other factors
specific to the observation Lakษa unique image from the scanner. I have presented how Binarization which used to divide the image into subsets so that complexity in each area of the image is reduced by the camp Skewness Coeffcient was drafted after a no characters are separated by. Difference of Gaussian using the remaining area will be by means of Otsu Threshold has been updated to work with the image with dark characters on a light well. Like the image with the font color on dark backgrounds. The proposed approach has been applied to the comparison with other methods, including methods of Hui-Fuang Niblack, and Sauvola by the document was recorded with a digital camera with a resolution of 72 and 120 dpi size 1600x1200 pixel short focal
Experiments found. that Standard error of the mean of the character recognition method. I have presented here is equal to 14.59%, which is higher than the methods of Sauvola is the best way to test only 4.92%, but the way I was able to work faster and easier to use. Since it does not require the user to enter any information. For processing

ผลลัพธ์ (อังกฤษ) 3:

Camera mobile phone and digital camera that the current sharp. Cheaper and can carry easily. But the image from the camera is too low to be used with the program quality characters recognition (OCR).The focus of the camera, shadows, and other factors
.From the observation of the image from a scanner crashing cost specific identity, so I propose a new Binarization which used to break the image area is a subset to complexity in each area have decreased. The camp Skewness Coeffcient criterion.Difference of Gaussian the remaining will be Threshold by means of Otsu which is updated to work with images with dark characters on the floor light well. As well as the image with the letters on the floor, light and darkMethodology of Hui-Fuang, NiblackAnd the Sauvola by state documents, was recorded with a digital camera resolution and size 72 120 DPI 1600x1200 pixel focus short
showed that The average error of optical character recognition methods. I present this equals 14.59% which was higher than the means of Sauvola is the best way in the trial only 4.92% but how to develop. This can work faster and use easier. Because they don't have to give users fill out any information for processing.