我试图提取（不识别！）黑白图像中的字符，所以如果图像是123，
我得到了3幅图像，
这是一个重复的问题，我知道，但我找不到我想要的，我也试过查看codeproject，但找不到一个有效的例子
http://www.codeproject.com/Articles/143059/Neural-Network-for-Recognition-of-Handwritten-Digi
源代码不完整非常感谢您的帮助：）
最佳答案
正如Kenny已经提到的，“连接组件标签”描述了一系列识别连接像素的算法。连接的组件也有“连接的区域”或“斑点”的名称，也有“轮廓”的相关概念。任何这样的算法都应该不仅能够找到连接的前景像素的形状，而且能够找到由背景颜色的像素组成的形状内的“洞”的存在。
http://en.wikipedia.org/wiki/Connected-component_labeling
该算法应用于一些依赖于图像处理的工程领域，包括计算机视觉、机器视觉和医学成像。如果你打算在图像处理上花费大量的时间，你应该对这个算法非常熟悉，并且至少自己实现一次。
opencv库有一个find contours（）函数，可用于查找等高线、等高线内的等高线等。
http://opencv.willowgarage.com/wiki/
如果您希望看到一个区域标记算法在工作，请使用应用程序imagej查找对“单元格计数”的引用。生物细胞计数是区域标记技术在医学成像中的重要应用。
http://rsbweb.nih.gov/ij/
考虑买一本关于这个主题的教科书，而不是在网上零碎地学习。研究连通分量（也称为blob）必然会考虑二值化（也称为阈值化），即从灰度或彩色图像中提取黑白图像。如果你使用的是相机的图像，那么灯光就变得至关重要，这需要时间和修补来学习。
还有许多其他的预处理步骤可能是清理图像所必需的。预处理的需要取决于您的应用程序。
这是一本经常被推荐的教科书，它很好地介绍了标准图像处理技术：
冈萨雷斯和伍兹的数字图像处理，第3版
http://www.imageprocessingplace.com/
去addall.com找便宜的拷贝。国际版比较便宜。
如果图像中的字符（或其他形状）具有一致的大小和形状（例如，“A”总是40像素高，25像素高，并以相同的字体机器打印），则可以使用“标准化互相关”或模板匹配技术来标识一个或多个匹配形状的存在。这种技术可以作为一种非常粗糙的ocr，但有严重的局限性。
http://en.wikipedia.org/wiki/Template_matching