CASIA 手写中文数据处理

CASIA-HWDB1-2、CASIA-OLHWDB1-2、ICDAR2013联机脱机等中文手写数据处理

单字生成

①CASIA-OLHWDB1

---

把transformCASIA-OLHWDB1.py文件中：

save_dir：换成 你要保存生成的图片的位置
version_dir：换成 原始二进制文件(*.POT)对应路径

其他选项比如：

• size_mode：可选[basic | resize]。其中basic : 保持原始大小 ; resize : 缩放点集

• resize_hw：要将图片缩放成多大，默认96X96，如果size_mode='basic'则这个不生效
  

• background_color：255 白底黑字；0 黑底白字
  

• border：四周留空白的像素个数
  

然后执行命令

python transformCASIA-OLHWDB1.py

文本行生成

①CASIA-OLHWDB2 （默认linux版本，windows版本看55行，改改就行）

---

在transformCASIA-OLHWDB2.py文件中：
修改22行为：原始PTTS二进制文件
修改23行为：生成的图片要存储的路径

--rectify_flag 这里默认True，即huber线性拟合后进行矫正

然后执行命令

python transformCASIA-OLHWDB2.py

文件夹结构：
 CASIA-OLHWDB2       (总共：52220张文本行， 训练集41710张，测试集10510张)
 ├----CASIA-OLHWDB2.0     (20573张文本行)   (001-P16.ptts => 420-P20.ptts)
 │    ├--Train_Ptts                                                       (336 writers)
 │    └--Test_Ptts                                                        (84  writers)
 ├----CASIA-OLHWDB2.1     (17282张文本行)
 │    ├--Train_Ptts                       (1001-P16.ptts => 1240-P20.ptts, 240 writers)
 │    └--Test_Ptts                        (1241-P16.ptts => 1300-P20.ptts, 60  writers)
 └----CASIA-OLHWDB2.2     (14365张文本行)
      ├--Train_Ptts                       (501-P14.ptts  => 740-P18.ptts,  239 writers, 缺第671位writer)
      └--Test_Ptts                        (741-P14.ptts  => 800-P18.ptts,  60  writers)
          └--XXX.ptts

内容比较多，如果有错请指正。图片的核心区域估计仅供参考，应该还能再改改。

常用类别 classes

• HWDB2_2703.py (CASAI-HWDB2文本行的训练集总字符类别)
• HWDB2_7373.py
• OLHWDB12_7356.py (CASAI-OLHWDB1单字的训练集总字符类别)
• OLHWDB12_7366.py (CASAI-OLHWDB1单字、CASAI-OLHWDB2文本行的训练集总字符类别)
• OLHWDB2_2650.py (CASAI-OLHWDB2文本行的训练集总字符类别)

---

TODO

单字生成：

• CASIA-HWDB1
• CASIA-HWDB2
• CASIA-OLHWDB1
• CASIA-OLHWDB2

文本行生成：

• CASIA-HWDB2
• CASIA-OLHWDB2 包括拟合后矫正、核心区域估计(core estimate)、path signature
• ICDAR2013-offline 包括拟合后矫正
• ICDAR2013-online 包括拟合后矫正、core estimate

• 速度优化

数据来源： CASIA Online and Offline Chinese Handwriting Databases