从图像产生数字2014


11

2014年挑战赛中,迈克尔·斯特恩(Michael Stern)建议使用OCR解析2014的图像到2014年。我想朝另一个方向挑战。使用您选择的语言/标准库中的内置OCR,设计最小的图像(以字节为单位),将其解析为ASCII字符串“ 2014”。

Stern的原始映像为7357字节,但是经过一点努力,它可以无损地压缩到980字节。毫无疑问,黑白版本(181字节)在相同的代码下也能正常工作。

规则:每个答案都应给出图像,其大小(以字节为单位)以及处理该图像所需的代码。出于明显原因,不允许自定义OCR ...!允许使用任何合理的语言和图像格式。

编辑:为了回应评论,我将扩大它的范围,以包括任何现有的库,甚至对于没有可用的OCR的语言,甚至包括http://www.free-ocr.com/


9
内置OCR有多少种语言或标准库?还是您打算在这里将“标准库”指的是“尚未针对此挑战专门创建的任何库”?
彼得·泰勒

3
除Mathematica之外,是否还内置了任何开发平台?
迈克尔·斯特恩

您应该进行标准化处理,例如说“ use free-ocr.com ”或其他易于访问的ocr。
贾斯汀2014年

Answers:


10

Shell(ImageMagick,Tesseract),18个字节

file=golf_2014
echo -n UDQKMTMgNQruqCqo6riKiO6I | base64 -d > $file.pbm
convert -border 2x2 -bordercolor white -resize 300% -sharpen 0 -monochrome $file.pbm $file.png
tesseract $file.png $file digits
cat $file.txt
rm $file.pbm $file.png $file.txt

该图像为18个字节,可以像这样复制:

echo -n UDQKMTMgNQruqCqo6riKiO6I | base64 -d > 2014.pbm

看起来像这样(这是PNG副本,而不是原始副本):

2014年

用ImageMagick处理后,看起来像这样:

2014大

使用ImageMagick版本6.6.9-7,Tesseract版本3.02。PBM图像是在Gimp中创建的,并使用十六进制编辑器进行了编辑。


此版本需要jp2a

file=golf_2014
echo -n UDQKMTMgNQruqCqo6riKiO6I | base64 -d > $file.pbm
convert -border 2x2 -bordercolor white -resize 300% -sharpen 0 -monochrome $file.pbm $file.png
tesseract $file.png $file digits
cat $file.txt
convert -background black -fill white -border 2x2 -bordercolor black -pointsize 100 label:$(cat $file.txt) $file.jpg
jp2a --chars=" $(cat $file.txt) " $file.jpg
rm $file.pbm $file.png $file.txt $file.jpg

它输出如下内容:

    2014444444102         01144444102              214441                 214441     
   1             1      24           1            04    4                0     4     
  1    410201     0    0    410004    1       2014      4              21      4     
 24   42     0    4    4    0     1    0    24          4             04       4     
  22222      1    1   0    42     0    4    2   4100    4            1   41    4     
            1    42   0    4      2     2   2412   0    4          24   420    4     
          04    42    0    1      2     2          0    4         0   40  0    4     
       204    42      0    1      2     2          0    4       24   42   0    4     
     21     12        0    4      0    42          0    4      2     411114     1112 
    04   412          24    0     1    0           0    4      0                   0 
  24     1111111110    1    42  21    4            0    4      200011111001    40002 
  4               4     04    44     42            0    4                 0    4     
 0                4      214       10              0    4                 0    4     
  22222222222222222         222222                  22222                  22222     

非常非常令人印象深刻。标头为3个字节,图像尺寸为5个字节,位图为10个字节。格式在此处描述:netpbm.sourceforge.net/doc/pbm.html
查尔斯

5

Java + Tesseract,53个字节

由于我没有Mathematica,因此我决定稍微修改规则,并使用Tesseract进行OCR。我编写了一个程序,使用各种字体,大小和样式将“ 2014”渲染为图像,并找到了被识别为“ 2014”的最小图像。结果取决于可用的字体。

这是我计算机上的获胜者-53字节,使用“ URW Gothic L”字体: 2014年

码:

import java.awt.Color;
import java.awt.Font;
import java.awt.FontMetrics;
import java.awt.Graphics2D;
import java.awt.GraphicsEnvironment;
import java.awt.image.BufferedImage;
import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;

import javax.imageio.ImageIO;

public class Ocr {
    public static boolean blankLine(final BufferedImage img, final int x1, final int y1, final int x2, final int y2) {
        final int d = x2 - x1 + y2 - y1 + 1;
        final int dx = (x2 - x1 + 1) / d;
        final int dy = (y2 - y1 + 1) / d;
        for (int i = 0, x = x1, y = y1; i < d; ++i, x += dx, y += dy) {
            if (img.getRGB(x, y) != -1) {
                return false;
            }
        }
        return true;
    }

    public static BufferedImage trim(final BufferedImage img) {
        int x1 = 0;
        int y1 = 0;
        int x2 = img.getWidth() - 1;
        int y2 = img.getHeight() - 1;
        while (x1 < x2 && blankLine(img, x1, y1, x1, y2)) x1++;
        while (x1 < x2 && blankLine(img, x2, y1, x2, y2)) x2--;
        while (y1 < y2 && blankLine(img, x1, y1, x2, y1)) y1++;
        while (y1 < y2 && blankLine(img, x1, y2, x2, y2)) y2--;
        return img.getSubimage(x1, y1, x2 - x1 + 1, y2 - y1 + 1);
    }

    public static int render(final Font font, final int w, final String name) throws IOException {
        BufferedImage img = new BufferedImage(w, w, BufferedImage.TYPE_BYTE_BINARY);
        Graphics2D g = img.createGraphics();
        float size = font.getSize2D();
        Font f = font;
        while (true) {
            final FontMetrics fm = g.getFontMetrics(f);
            if (fm.stringWidth("2014") <= w) {
                break;
            }
            size -= 0.5f;
            f = f.deriveFont(size);
        }
        g = img.createGraphics();
        g.setFont(f);
        g.fillRect(0, 0, w, w);
        g.setColor(Color.BLACK);
        g.drawString("2014", 0, w - 1);
        g.dispose();
        img = trim(img);
        final File file = new File(name);
        ImageIO.write(img, "gif", file);
        return (int) file.length();
    }

    public static boolean ocr() throws Exception {
        Runtime.getRuntime().exec("/usr/bin/tesseract 2014.gif out -psm 8").waitFor();
        String t = "";
        final BufferedReader br = new BufferedReader(new FileReader("out.txt"));
        while (true) {
            final String s = br.readLine();
            if (s == null) break;
            t += s;
        }
        br.close();
        return t.trim().equals("2014");
    }

    public static void main(final String... args) throws Exception {
        int min = 10000;
        for (String s : GraphicsEnvironment.getLocalGraphicsEnvironment().getAvailableFontFamilyNames()) {
            for (int t = 0; t < 4; ++t) {
                final Font font = new Font(s, t, 50);
                for (int w = 10; w < 25; ++w) {
                    final int size = render(font, w, "2014.gif");
                    if (size < min && ocr()) {
                        render(font, w, "2014win.gif");
                        min = size;
                        System.out.println(s + ", " + size);
                    }
                }
            }
        }
    }
}

我更改了规则以允许该条目和类似条目。令人印象深刻的文件大小。
查尔斯

1

数学753 100

f[n_,format_]:=
Module[{filename},
Print["raster: ",n," by ", n];
filename="2014At"<>ToString[n]<>"."<>format;
Print["filename:  ",filename];
Print["format: ",format];
Print["raster image: ",rasterImg=Rasterize[Style[2014,"OCR A Std"],
RasterSize->n,ImageSize->1n,ImageResolution->6n]];
Export[filename,rasterImg];
Print["Actual imported image: ",img=Switch[format,"PDF"|"HDF",Import[filename][[1]],
_,Import[filename]]];
Print["Identified text: ",TextRecognize[ImageResize[img,Scaled[3]]]];
Print["filesize (bytes): ",FileByteCount[filename]]]

到目前为止,我最好的情况是:

f[24, "PBM"]

效率


1

Mathematica,78个字节

在Mathematica中赢得此技巧的技巧可能是使用ImageResize []函数,如下所示。

首先,我创建了文本“ 2014”并将其保存到GIF文件中,以便与David Carraher的解决方案进行合理比较。文字看起来像2014年。这没有以任何方式进行优化。只是日内瓦,字体很小。其他字体和较小的尺寸也是可能的。直接的TextRecognize []会失败,但是TextRecognize [ImageResize []]]没问题

filename = "~/Desktop/2014.gif";
Print["Actual imported image: ", img = Import[filename]]
Print["Identified text: ", 
 TextRecognize[ImageResize[img, Scaled[2]]]]
Print["filesize (bytes): ", FileByteCount[filename]]

结果

乱写字体,字体大小,缩放比例等可能会导致较小的文件起作用。


令人印象深刻的文件大小。
DavidC 2014年

您可以将图像裁剪为白色边框以外的地方,以缩小和缩短数字之间的间距,也可以重新绘制以使其更紧凑。

@swish确实,修整白色边框会将其带到78个再见。
迈克尔·斯特恩
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.