我部分实现了笔画宽度变换算法。我的实现虽然不够优雅，但确实有效
我的实现生成了许多候选（我使用了一些规则来过滤它们）。但我仍然有很多非字符候选。我想使用神经网络（或其他机器学习算法）来过滤它们。
我应该为我的分类器使用哪些特征？
我可以提取均值/标准差（组件的SW值）和宽度/高度。
示例：
红色矩形是字符候选（实现未检测到亮色背景上的暗色字符，“Land Rover”的检测不佳是正常的）组件过滤后的SWT图像
回答：
神经网络和其他技术如SVM不是用来过滤输入的，而是用来对输入进行分类。区别在于，过滤会根据输入是否符合设定的规则来丢弃输入，因此不需要任何训练（更可能是设置一些好的阈值）。而训练过的分类器则会为给定的输入分配一个类别，这意味着你需要用预期的类别以及负样本来充分训练分类器。因此，如果你想做前者或后者，方法会有所不同，但你在前者中使用的特征可能对后者也有用。
无论你选择哪条路径，首先需要进行一些基本的预处理，这意味着要清除示例中组件内部的多余白点。之后，有很多选项可用。基本的宽度和高度测量可以用来过滤那些你确定不符合预期的组件，因此也无需对其进行分类。通过考虑连接组件的骨架，你可以得到端点和分支点，这形成了两个特征。欧拉数是另一个特征，实际上，有太多可能的特征可以提取，这里无法一一列出。这些提到的特征的特点是它们都是尺度、旋转和平移不变的。这也意味着你需要其他特征来区分，例如区分9和6，骨架中孔的质心就是这样一个例子（但要注意，因为直接提取这个特征对任何变换都不具有不变性）。
请注意，即使是简单的特征也可以帮助区分整个字符集。例如，对于欧拉数=0，你将只得到’A’、’D’、’O’、’P’、’Q’、’R’、’0’、’4’、’6’或’9’，假设是ascii字母数字，字体表现良好，并且输入经过良好的预处理。
最后，有相当数量的论文可以查找更多信息和超越SWT的不同方法。例如，T-HOG是其中一个较新的方法，根据发表的结果，它比SWT略胜一筹。
编辑：总结并扩展：
如果你想使用机器学习，你将需要大量标记好的数据，以便从中分离出用于训练和测试的数据。如果你的目标只是区分“这是字符”和“這不是字符”，并且后一类别没有得到充分描述（即，你只有很少的非字符示例，或者你无法为可能接收到的任何类型的输入对其进行描述），单类SVM是一个选项。
对于从单个字符中提取的特征，如前所述，有太多特征和许多方法。论文“特征提取方法用于字符识别——一项调查”（1995年，相当古老）讨论了一些方法（它还提到了预期的最小训练数据量，请务必阅读），所以我在这里包含了其部分内容。
可能从字符中提取的良好特征（适用于灰度和二值图像）：
- Hu、Reiss、Flusser、Suk、Bamieh、de Figueiredo矩（所有基于Hu在“通过矩不变量进行视觉模式识别”中的初始工作改进的几何矩不变量）；
- 泽尼克矩
从骨架化字符中提取的良好特征：
- T形接点的数量；
- X形接点的数量；
- 弯曲点的数量；
- 端点的数量；
- 通过将原点放置在形状的质心处，与轴的交叉次数；
- 半圆的数量
傅里叶描述符也可以应用于骨架、二值表示或如所述论文中讨论的字符的图形表示。
