JPG画像内のテキストのバウンディングボックスを見つける

Question

私の質問はthis oneと似ていますが、より具体的な範囲です。

私のカードゲームアプリケーションでは、スキャンされたJPEG画像にある単語をユーザーがクリックできるようにしたいと考えています。このサンプルPokemon trading cardをご覧ください。

この場合、ユーザーはマウスをテキスト "Scratch"の上に置くことができます。クリックすると、テキストの周りにパルス状の矩形の枠が表示されます。問題は、テキストの境界を検出する方法です。ユーザーがクリックする可能性のある単語の配列があります（これらはカードごとにデータベースから取得されます）。例を続けると、この場合の配列は["Scratch"、 "Live Coal"]になります。ユーザが「スクラッチ」をクリックすると、アプリケーションはコールバックを介して「スクラッチ」が「ライブコール」の代わりに選択されたことを知る必要があります。

私はこの問題を解決するために光学式文字認識ライブラリを使用することを考えていましたが、このためのオープンソースオプションは品質が悪い（例：GOCR）、複数のプラットフォーム（Tesseractなど）で十分にテストされていません。私はWindowsとMacの互換性だけを気にしています。 OCRを必要としない明白な/より単純なソリューション/アルゴリズムが欠けていますか？自分のデータベースにスキャンされたカードが何千もあるので、各カードのバウンディングボックスに手書きでコードを書くことはできません。ユーザは、それに付随するクリック可能なテキストの配列を用いて、自分のカスタムカードスキャンをアップロードすることもできる。

テキストの色は常に黒ではありません。許可されるカードとテキストスタイルが異なるこのpanoramaを参照してください。黒いカードは白いテキストを持ち、3番目の最後のカード（Zekrom）は白い輪郭の黒いテキストを持っています。

どのようなプログラミング言語のソリューションも高く評価されています。しかし、オープンソースのアルゴリズムやライブラリを探しています。 RubyやJavaのソリューションがあれば、私のコードは主にこれら2つの言語になっています。

EDIT：配列内の単語/フレーズの順番は、カードと同じであることを言い忘れました。したがって、アレイは["Live Coal"、 "Scratch"]の代わりに["Scratch"、 "Live Coal"]になります。私はそれが潜在的にタスクを簡素化できるので、これを言及しています。したがって、この例では、単に黒色のピクセルを探すことができます（ただし、白い円の黒い星を見なければなりません）。しかし、より小さなフォントで攻撃名の下に記述テキストがある場合はさらに難しいでしょう（例についてはパノラマを参照してください）。

Answer 1

簡単にするために、テキストの周りに境界ボックスを視覚的に描くことができるプログラムを作成しますが、この購入でピクセル色の違いを検出できます。テキストが黒であるため、左上の最も黒いピクセルが大きなインデントなしで、カードの下半分内にある場所を確認できます。

Answer 2

カーソルが静止しているときは、黒いピクセルがカーソルの周囲にあるか4ピクセルにあるかを確認します。そうであれば、最初の3つの連続した（文字間に黒以外のピクセルが残っている可能性があるため）カーソルの左側に黒以外のピクセルを、右に、上に、下にチェックします。はいの場合は、これらの場所を使用して四角形を描きます。 OpenCVを使用できます。