先说下开发背景，今年有次搬家找房子(2020了应该叫去年了)，发现每天都要对着各种租房广告打很多电话。（当然网上也找了实地也找），每次基本都是对着墙面看电话号码然后拨打，次数一多就感觉非常麻烦，如果没看清还容易输错一个号码。
图片来自于网络
当时就想现在OCR技术那么流行，为什么不能做个程序来解决这个问题。因为租房电话有部分还是手写号码，所以也要解决手写识别的问题。同时租房信息其实也有很多是中介或者其他诈骗类等等。所以有部分并不是我们所需要的，为什么这块信息就不能做个平台进行共享，类似于手机里面识别和提交诈骗电话一样。然后自己也搜索了下微信小程序里有没有类似的小程序，发现基本没有，有些OCR相关程序但是使用相对繁琐，并多数需要收费或开通会员等。
所以自己就想着还是自己来开发一个相关的小程序，功能简单，通过相机拍照获取电话号码，进行识别；可直接在里面调用电话进行拨号。同时允许提交该识别后的号码作为标记，标记成诈骗、中介等。当某个号码被人标记后，下次任何人再识别该号码后就能显示对应的标记信息。
二、核心问题本次核心问题可能就是手写识别了，普通的打印文字识别。已经很常见也很成熟了。我们主要是识别数字，所以只针对数字手写识别。这些年第三方的例如BAT其实都有类似的服务接口提供，我也研究了下，对接很简单。识别率还算行，能够达到70%左右。毕竟手写每个人千差万别。但是第三方的终究都是要收费的，当然有一定的免费额度。我开发这个软件也没打算收费什么的，所以第三方的暂且放弃使用了。
MNIST机器学习
现在比较热门的都是基于机器学习的手写识别，机器学习框架有很多常用的比如TensorFlow ，在手写数字识别里面MNIST 数据集是最常用的，甚至流行到一般机器学习框架都使用MNIST 做入门教程了。关于MNIST我在这里不做具体介绍,有兴趣的可以自行上网了解。
然后我就网上找python机器学习手写数字识别之类的，学习了很久。最后感觉使用MNIST数据集做识别更多还是一种识别算法的比较。因为MNIST里本身就包含了样本和测试数据集。通过机器学习将样本的进行学习然后生成一个模型数据，然后根据模型数据去读取样本数据进行比较以此来查识别成功率。并且网上的案例基本都是类似，即根据数据集来学习和识别正确率。
我还找到了.NET Core使用ML.NET 基于MNIST数据集的手写数字识别，运行结果如下图所示。原理和过程和Python处理是一样的，包括输出结果。
MNIST数据集是每张均为28*28像素的黑白图片，并且是一个字符占用一张图片。我们平时OCR识别的时候都是一张图一起识别所有文字(数字)。所以如果使用MNIST我们必须要对图片文字(数字)进行精准分割再把图像进行二值化保存为20*28像素的。手写数字很多可能连载在一起，在此基础上做分割还是有一定难度。
所以这里暂时放弃使用了，后续抽时间会继续研究使用MNIST进行识别。
Tesseract
Tesseract 是一个相对于比较有名的开源OCR识别软件早期由惠普实验室开发，现在是由Google在开发和维护。支持的平台有Windows、linux、macos。支持的很多常用语言识别多达几十种；还可以自己训练文字库，如果使用手写识别所以需要自己去训练字库进行识别。
具体我就不过多阐述介绍了，感兴趣的自行了解。我本次开发就是选用的Tesseract进行识别。
GitHub: https://github.com/tesseract-ocr/tesseract
三、前端开发本次前端使用的是微信小程序，小程序因为不用安装并且完全跨平台。自己不是专业前端开发，所以不过多介绍，只介绍小程序里如何使用相机拍照并且裁剪指定区域等。
1、拍照