您可以进行图像阈值化，首先通过将向量的每个元素除以 255 来规范化数据，然后对每个元素进行阈值化$x_i \in \mathbb{x}$ $x_i=1$如果$threshold\le x_i$在哪里$\mathbb{x}$是您的数据向量，并且$x_i$是向量的元素，可以根据实验选择阈值，也可以个人选择0.5。通过进行图像阈值处理，我们减少了图像的噪声，从而提高了准确性

将背景级别设置为 0 可能是有利的。

如果你的背景是一个常数值 (a)，最好先减去这个值。这样，值就不会通过网络（或您使用的任何东西）传输。其次，最好标准化您的数据。

最后，搜索网络，因为“预处理数据”可能会为您提供所需的所有信息。

学习如何搜索网络；）

一个有趣的方法是使用能量测量对图像进行切片。这个想法是分开字母。您可以通过让线条在图像上“移动”来细分图像。

从某种意义上说，每条线都像一道“雷击”，它沿着阻力最小的路径前进。有一个大致的方向，例如从上到下。通过选择移动图像顶部的一个点来绘制它，然后向下。向下的每一步，它要么直接向下，要么向下一个像素，向左一个，或者向下一个像素，向右一个。它选择能量最少的步骤，这意味着颜色变化最小。您可以使用直线欧几里得距离，您会惊讶于它处理渐变背景等事物的效果，但使用信息度量会更好。通过在水平偏移上增加一点成本可以得到另一个轻微的改进，所以线条或多或少地直线下降，但不完全是直线下降。

您不断细分图像，然后再细分细分，直到您必须接受相当大的能量跳跃，同时强制执行最小细分大小。这应该“主要”为您提供单独的字母，并且这些字母很容易进行 OCR。