我在尝试查找扫描后的PDF表格中是否包含签名（例如，确保支票上有签名）。

问题领域：

我将接收到文档包（包含多页PDF的多个表格）。我已经组装了文档包分类器来检查包中的所有文档，并将图像缩放到统一大小。之后，我知道签名应该在哪里，并可以扫描文档的特定区域。我正在寻找确保存在签名的最佳方法。我考虑过只是检查暗像素的基本阈值，但这似乎太笨拙了。签名的麻烦在于它们并不是真正的书写，更像是一种个人标记。

我能想到的唯一方法是使用机器学习方法来寻找“环状性”？但我对机器学习不太熟悉，甚至不知道如何开始这样的工作。任何有实用方法建议的人将非常受欢迎。

如果有帮助的话，我是用Java编写这个程序的

回答：

你提出的问题非常广泛，所以我们能提供的信息有限。然而，我可以给你一些有用的链接：

• http://java-ml.sourceforge.net/ –这是一个你可以下载的库，里面有很多有用的算法和其他可以包含在你的程序中的代码

• https://www.youtube.com/playlist?list=PLiaHhY2iBX9hdHaRr6b7XevZtgZRa1PoU –这是一个解释神经网络的系列（这是你可能想要研究的机器学习内容）

• 我对你的算法的一个重要建议是，不要去寻找所有环和其它东西的具体长度，而是去看它们的相对距离

• “相对距离是什么？”你可能会问。这就是下一个建议派上用场的地方：不要跟踪线条，而是跟踪环的顶点和这些点的顺序。如果你然后计算它们之间的距离（当然是相对的，这意味着将其中一个长度设为零）。在跟踪距离的同时，你也应该跟踪角度。你可以通过计算（A,B）、（B,C）和（A,C）之间的距离来计算角度ABC （A,B和C是xy平面上的坐标），这会在点之间形成一个三角形，允许你使用三角学来计算角度。

• （我假设你也在尝试检测这是谁的签名，因为这实际上并不会增加太多复杂性） 在尝试将检测到的签名与存储的签名匹配以查看它们是否“相同”时，不要要求距离和角度必须完全一致。给出一个误差范围（例如，使用一个百分比范围的上下限）。这里有一个建议：将误差范围设得相当大。这样，即使签名写得不好，也仍然能被检测到。这会提高检测到多个签名的几率。幸运的是，有一个简单的解决方案。只是让程序在找到的签名上再次运行算法，但误差范围更小（当然这不是手动操作，程序会自动完成）。继续减小误差范围，直到只剩下一个签名。

• 我希望你已经有了检测实际签名位置的想法，但当然要检查像素的暗度差异。确保它相当连续。还要注意，签名通常用黑色 或 蓝色 签署，有时也会使用红色和其他花哨的颜色。