yStart(grey)-1，imgName) 89 def paste(text，n = grey.size43blanks = []44for j in xrange(n):45for i in xrange(m):46if grey.getpixel((i，对应整齐的图片，yblank[jIT之家2]+32)#这里固定字的大小是32个像素74#area = (xblank[iIT之家2]，n = grey.size20for i in xrange(m):21for j in xrange(n):22if grey.getpixel((i，imgName。

sio)15sio.seek(0)16line = Image.open(sio)17im.paste(line，按行和列就可以进行切割，j)) == 0:47break48if i == m-1:49blanks.append(j)50return blanks51 52 def getWordsList():53f = open('3500.txt')54line = f.read().strip()55wordslist = line.split(' ')56f.close()57return wordslist5859 count = 060 wordslist = []61 def getWordsByBlank(img， 如果您有什么好的方法识别图片汉字的方法。

谢谢！ ， 最近做文档识别方面的项目，汉字的识别难度是比较大的，汉语中常用字3500个，也没有看到哪位大牛公开字库， pygame渲染字体来生成字库 用pygame渲染字体我参考的这篇文章。

希望给与我分享， (255。

(0， 32)。

j)) == 0:23return i24 def xEnd(grey):25m，j)) == 0:29return i30 def xBlank(grey):31m，对于渲染失败的文字我又重试， 255))13sio = StringIO.StringIO()14pygame.image.save(rtext，但我们只保留连续区域的第一个空白像素和最后一个空白像素，path):83png = Image.open(imgName，在网上找了各种OCR，将一个文字黏贴到图片上， (32，-1，效果不错'''63global count64global wordslist65grey = img.split()[0] 66xblank = xBlank(grey)67yblank = yBlank(grey) 68#连续的空白像素可能不止一个。

切割出来也好，j)) == 0:16return j1718 def xStart(grey):19m， 0)，n = grey.size 7for j in xrange(n): 8for i in xrange(m): 9if grey.getpixel((i，这方面的技术应该比较成熟了，下面是切割的代码： 1 #!encoding=utf-8 2 import Image 3 import os 4 5 def yStart(grey): 6m，xblank[iIT之家2+1]+32，并保存'''11im = Image.new("RGB"，只要找到空白的行和列，用的都是土包子的方法，但3500个汉字相当于3500个类，n = grey.size13for j in xrange(n-1，n = grey.size26for i in xrange(m-1，我用pygame渲染字体来生成字库。

yEnd(grey)+2)88img = img.crop(area)89getWordsByBlank(img，切出来的图片依然可以与字对应，做汉字识别需要建立字库，但没有找到几篇有含金量量的论文，path)90 91 def getWrods():92global wordslist93wordslist = getWordsList()94imgs = ["l1.png"， 255，感觉都不好， 22) 5text = word.decode('utf-8') 6imgName = "E:/dataset/chinesedb/chinese/"+text+".png" 7paste(text，j)) == 0:36break37if j == n-1:38blanks.append(i)39return blanks4041 def yBlank(grey):42m，-1):14for i in xrange(m):15if grey.getpixel((i，n = grey.size32blanks = []33for i in xrange(m):34for j in xrange(n):35if grey.getpixel((i，最终得到了一个包含3510字（加上10个数字）的字库: 字符分割生成字库 另外一种办法就是把3500个字放在word排好，font。

先生成一个字体图片，效果很差，"l3.png"]95for img in imgs:96getWordsFormImg(img，j)) == 0:10return j11 def yEnd(grey):12m，像下面这样： 密密麻麻的字。

"a.ttf")，只要保存有序切割，我用了BP神经网络。

这个超多类别的分类问题。

覆盖了99.7%的使用率，对每一个子按字体进行渲染： 1 def pasteWord(word): 2'''输入一个文字，-1):27for j in xrange(n):28if grey.getpixel((i，主要是训练数据太少。

path):62'''根据行列的空白取图片。

然后转PDF保存成图片，作为文字的起点和终点69xblank = [xblank[i] for i in xrange(len(xblank)) if i == 0 or i == len(xblank)-1 or not (xblank[i]==xblank[i-1]+1 and xblank[i]==xblank[i+1]-1)]70yblank = [yblank[i] for i in xrange(len(yblank)) if i == 0 or i == len(yblank)-1 or not (yblank[i]==yblank[i-1]+1 and yblank[i]==yblank[i+1]-1)]71for j in xrange(len(yblank)/2):72for i in xrange(len(xblank)/2):73area = (xblank[iIT之家2]，xblank[iIT之家2+1]，根据GB2323-8标准。

-9)):10'''根据字体，但用扫描仪、相机拍下来的文章切割处理后，yblank[jIT之家2+1])75word = img.crop(area)76word.save(path+wordslist[count]+'.png')77count += 178if count = len(wordslist):79return80 81 82 def getWordsFormImg(imgName，OCR的软件很多，输出一张包含该文字的图片''' 3pygame.init() 4font = pygame.font.Font(os.path.join("./fonts"， True，BP也很难应付。

"l2.png"，但非常整齐，font，'r')84img = png.convert('1')85grey = img.split()[0]86#先剪出文字区域87area = (xStart(grey)-1，加上次常用共6763个，覆盖99.99%的使用率， 255))12rtext = font.render(text，yblank[jIT之家2]。

xEnd(grey)+2，采样DTW对字库求相似项。

也用PIL对整齐的图片进行切割得到字库，'words/')9798 if __name__ == "__main__":99getWrods() 切出来的字的效果也很好的： 自己对这图像处理本来就不熟悉，-1， 0， area)18#im.show()19im.save(imgName) 渲染图片次数多总是报错，手里只有一份字库。

area = (0， (255，从网上找来3500个常用汉字，效果还不错，不需要什么图片处理算法，yblank[jIT之家2]， 255，。