[广告]MathOCR——一个数学公式识别系统
相信很多人都做过输入数学公式这种繁杂且容易出错的工作，因为纸质、PDF文档、PS文档、图片中的数学公式都不便于重用。你也许梦想过用软件把图片形式的数学公式自动转换为LaTeX代码，不过你大概没有自己动手实现过这个想法。事实上，像你这样的人不少，虽然你可以轻易地找到成百篇讨论数学公式识别技术的论文，但想找到一个能用的数学公式识别系统却异常困难。MathOCR就是目前少有的（如果不是唯一的）一个作为自由软件的印刷体数学公式识别系统。确实，其识别率仍不理想，但它至少让我们看到一点希望。
基本信息
项目网址：http://sourceforge.net/projects/mathocr/
项目开始时间：2014年3月
开发者：国内某校的一个数学本科生
开发语言：Java
运行平台：JVM（需支持Java 7）
用户介面语言：中文/英文（由当前用户语言环境决定）
许可证：GPLv3
目标人群
师生和科研人员：希望对科技文献中数学公式进行电子化以便重用，这时MathOCR可能是你想要的程序
应用程序开发者：希望把数学公式识别功能嵌入到你的应用程序中，这时MathOCR的API可能是你想要的
数学公式识别系统开发者：希望发展一个数学公式识别系统而不想从头开始写，这时你可能想分支或接管MathOCR
操作流程
1.解压下载的MathOCR压缩包
2.运行MathOCR.jar（在图形介面中通常只用双击其图标，或在命令行通常可用命令java -jar MathOCR.jar）
3.在"公式识别"标签卡下点"选择图片"，然后在文件对话框中选择所有待识别公式图片
4.识别结果被显示出来
对于常规使用可以先使用默认参数，如果识别效果不理想或对各种参数设置感兴趣才去调它们
识别效果
目前MathOCR主要适用于图片化的电子文档，例如把PDF文档放大至400%再通过截屏（或其它方法）转换成的图片，对于扫描甚至拍照所得图片效果会更差（没有作倾斜校正和变形校正）。
免责声明：MathOCR被发布是期望它会有用，但没有任何任何担保，甚至没有暗示的适销性或适应特定用途的保证。开发者将不会对由于使用本软件造成的任何直接或间接损失负责。
技术描述
MathOCR纯属各种小技巧的堆砌，没有什么理论基础（没有建立任何形式文法或统计模型），也不依赖于什么工程化管理方法，只凭作为业余Java程序员的基本直觉。
主要步骤如下
一、预处理
1.灰度化（对RGB分量加权平均再考虑透明度）
2.滤波（可选）
3.二值化(默认为略作修改的Sauvola局部阈値化方法)
二、符号识别
1.八连通域分割（基于游程编码和图的遍历）
2.字形筛选（利用高宽比、网格特征、投影等特征）
3.字形模板匹配（利用豪斯多夫距离）
4.合并属同一符号的字形
三、结构分析
自底向上合并
如对实现细节感兴趣，请自行阅读源代码。
全世界的黑客，联合起来；学究们只是用不同的方式解释软件，而问题在于改造软件。
相信很多人都做过输入数学公式这种繁杂且容易出错的工作，因为纸质、PDF文档、PS文档、图片中的数学公式都不便于重用。你也许梦想过用软件把图片形式的数学公式自动转换为LaTeX代码，不过你大概没有自己动手实现过这个想法。事实上，像你这样的人不少，虽然你可以轻易地找到成百篇讨论数学公式识别技术的论文，但想找到一个能用的数学公式识别系统却异常困难。MathOCR就是目前少有的（如果不是唯一的）一个作为自由软件的印刷体数学公式识别系统。确实，其识别率仍不理想，但它至少让我们看到一点希望。
基本信息
项目网址：http://sourceforge.net/projects/mathocr/
项目开始时间：2014年3月
开发者：国内某校的一个数学本科生
开发语言：Java
运行平台：JVM（需支持Java 7）
用户介面语言：中文/英文（由当前用户语言环境决定）
许可证：GPLv3
目标人群
师生和科研人员：希望对科技文献中数学公式进行电子化以便重用，这时MathOCR可能是你想要的程序
应用程序开发者：希望把数学公式识别功能嵌入到你的应用程序中，这时MathOCR的API可能是你想要的
数学公式识别系统开发者：希望发展一个数学公式识别系统而不想从头开始写，这时你可能想分支或接管MathOCR
操作流程
1.解压下载的MathOCR压缩包
2.运行MathOCR.jar（在图形介面中通常只用双击其图标，或在命令行通常可用命令java -jar MathOCR.jar）
3.在"公式识别"标签卡下点"选择图片"，然后在文件对话框中选择所有待识别公式图片
4.识别结果被显示出来
对于常规使用可以先使用默认参数，如果识别效果不理想或对各种参数设置感兴趣才去调它们
识别效果
目前MathOCR主要适用于图片化的电子文档，例如把PDF文档放大至400%再通过截屏（或其它方法）转换成的图片，对于扫描甚至拍照所得图片效果会更差（没有作倾斜校正和变形校正）。
免责声明：MathOCR被发布是期望它会有用，但没有任何任何担保，甚至没有暗示的适销性或适应特定用途的保证。开发者将不会对由于使用本软件造成的任何直接或间接损失负责。
技术描述
MathOCR纯属各种小技巧的堆砌，没有什么理论基础（没有建立任何形式文法或统计模型），也不依赖于什么工程化管理方法，只凭作为业余Java程序员的基本直觉。
主要步骤如下
一、预处理
1.灰度化（对RGB分量加权平均再考虑透明度）
2.滤波（可选）
3.二值化(默认为略作修改的Sauvola局部阈値化方法)
二、符号识别
1.八连通域分割（基于游程编码和图的遍历）
2.字形筛选（利用高宽比、网格特征、投影等特征）
3.字形模板匹配（利用豪斯多夫距离）
4.合并属同一符号的字形
三、结构分析
自底向上合并
如对实现细节感兴趣，请自行阅读源代码。
全世界的黑客，联合起来；学究们只是用不同的方式解释软件，而问题在于改造软件。
