No desafio de 2014 , Michael Stern sugere usar o OCR para analisar para 2014. Gostaria de encarar esse desafio em uma direção diferente. Usando o OCR interno da biblioteca de idiomas / padrão de sua escolha, projete a menor imagem (em bytes) que é analisada na cadeia ASCII "2014".

A imagem original de Stern tem 7357 bytes, mas com um pouco de esforço pode ser compactada sem perdas para 980 bytes. Sem dúvida, a versão em preto e branco (181 bytes) também funciona com o mesmo código.

Regras: Cada resposta deve fornecer a imagem, seu tamanho em bytes e o código necessário para processá-la. Nenhum OCR personalizado é permitido, por razões óbvias ...! Quaisquer idiomas e formatos de imagem razoáveis ​​são permitidos.

Editar: em resposta aos comentários, vou ampliar isso para incluir qualquer biblioteca preexistente ou até http://www.free-ocr.com/ para os idiomas em que não há OCR disponível.

Shell (ImageMagick, Tesseract), 18 bytes

file=golf_2014
echo -n UDQKMTMgNQruqCqo6riKiO6I | base64 -d > $file.pbm
convert -border 2x2 -bordercolor white -resize 300% -sharpen 0 -monochrome $file.pbm $file.png
tesseract $file.png $file digits
cat $file.txt
rm $file.pbm $file.png $file.txt

A imagem tem 18 bytes e pode ser reproduzida assim:

echo -n UDQKMTMgNQruqCqo6riKiO6I | base64 -d > 2014.pbm

Parece com isso (esta é uma cópia PNG, não o original):

Após o processamento com o ImageMagick, fica assim:

Usando o ImageMagick versão 6.6.9-7, Tesseract versão 3.02. A imagem PBM foi criada no Gimp e editada com um editor hexadecimal.

Esta versão requer jp2a.

file=golf_2014
echo -n UDQKMTMgNQruqCqo6riKiO6I | base64 -d > $file.pbm
convert -border 2x2 -bordercolor white -resize 300% -sharpen 0 -monochrome $file.pbm $file.png
tesseract $file.png $file digits
cat $file.txt
convert -background black -fill white -border 2x2 -bordercolor black -pointsize 100 label:$(cat $file.txt) $file.jpg
jp2a --chars=" $(cat $file.txt) " $file.jpg
rm $file.pbm $file.png $file.txt $file.jpg

Ele gera algo como isto:

    2014444444102         01144444102              214441                 214441     
   1             1      24           1            04    4                0     4     
  1    410201     0    0    410004    1       2014      4              21      4     
 24   42     0    4    4    0     1    0    24          4             04       4     
  22222      1    1   0    42     0    4    2   4100    4            1   41    4     
            1    42   0    4      2     2   2412   0    4          24   420    4     
          04    42    0    1      2     2          0    4         0   40  0    4     
       204    42      0    1      2     2          0    4       24   42   0    4     
     21     12        0    4      0    42          0    4      2     411114     1112 
    04   412          24    0     1    0           0    4      0                   0 
  24     1111111110    1    42  21    4            0    4      200011111001    40002 
  4               4     04    44     42            0    4                 0    4     
 0                4      214       10              0    4                 0    4     
  22222222222222222         222222                  22222                  22222     

Java + Tesseract, 53 bytes

Como não tenho o Mathematica, decidi flexionar um pouco as regras e usar o Tesseract para fazer o OCR. Eu escrevi um programa que renderiza "2014" em uma imagem, usando várias fontes, tamanhos e estilos, e encontra a menor imagem que é reconhecida como "2014". Os resultados dependem das fontes disponíveis.

Aqui está o vencedor no meu computador - 53 bytes, usando a fonte "URW Gothic L":

Código:

import java.awt.Color;
import java.awt.Font;
import java.awt.FontMetrics;
import java.awt.Graphics2D;
import java.awt.GraphicsEnvironment;
import java.awt.image.BufferedImage;
import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;

import javax.imageio.ImageIO;

public class Ocr {
    public static boolean blankLine(final BufferedImage img, final int x1, final int y1, final int x2, final int y2) {
        final int d = x2 - x1 + y2 - y1 + 1;
        final int dx = (x2 - x1 + 1) / d;
        final int dy = (y2 - y1 + 1) / d;
        for (int i = 0, x = x1, y = y1; i < d; ++i, x += dx, y += dy) {
            if (img.getRGB(x, y) != -1) {
                return false;
            }
        }
        return true;
    }

    public static BufferedImage trim(final BufferedImage img) {
        int x1 = 0;
        int y1 = 0;
        int x2 = img.getWidth() - 1;
        int y2 = img.getHeight() - 1;
        while (x1 < x2 && blankLine(img, x1, y1, x1, y2)) x1++;
        while (x1 < x2 && blankLine(img, x2, y1, x2, y2)) x2--;
        while (y1 < y2 && blankLine(img, x1, y1, x2, y1)) y1++;
        while (y1 < y2 && blankLine(img, x1, y2, x2, y2)) y2--;
        return img.getSubimage(x1, y1, x2 - x1 + 1, y2 - y1 + 1);
    }

    public static int render(final Font font, final int w, final String name) throws IOException {
        BufferedImage img = new BufferedImage(w, w, BufferedImage.TYPE_BYTE_BINARY);
        Graphics2D g = img.createGraphics();
        float size = font.getSize2D();
        Font f = font;
        while (true) {
            final FontMetrics fm = g.getFontMetrics(f);
            if (fm.stringWidth("2014") <= w) {
                break;
            }
            size -= 0.5f;
            f = f.deriveFont(size);
        }
        g = img.createGraphics();
        g.setFont(f);
        g.fillRect(0, 0, w, w);
        g.setColor(Color.BLACK);
        g.drawString("2014", 0, w - 1);
        g.dispose();
        img = trim(img);
        final File file = new File(name);
        ImageIO.write(img, "gif", file);
        return (int) file.length();
    }

    public static boolean ocr() throws Exception {
        Runtime.getRuntime().exec("/usr/bin/tesseract 2014.gif out -psm 8").waitFor();
        String t = "";
        final BufferedReader br = new BufferedReader(new FileReader("out.txt"));
        while (true) {
            final String s = br.readLine();
            if (s == null) break;
            t += s;
        }
        br.close();
        return t.trim().equals("2014");
    }

    public static void main(final String... args) throws Exception {
        int min = 10000;
        for (String s : GraphicsEnvironment.getLocalGraphicsEnvironment().getAvailableFontFamilyNames()) {
            for (int t = 0; t < 4; ++t) {
                final Font font = new Font(s, t, 50);
                for (int w = 10; w < 25; ++w) {
                    final int size = render(font, w, "2014.gif");
                    if (size < min && ocr()) {
                        render(font, w, "2014win.gif");
                        min = size;
                        System.out.println(s + ", " + size);
                    }
                }
            }
        }
    }
}

Mathematica 753 100

f[n_,format_]:=
Module[{filename},
Print["raster: ",n," by ", n];
filename="2014At"<>ToString[n]<>"."<>format;
Print["filename:  ",filename];
Print["format: ",format];
Print["raster image: ",rasterImg=Rasterize[Style[2014,"OCR A Std"],
RasterSize->n,ImageSize->1n,ImageResolution->6n]];
Export[filename,rasterImg];
Print["Actual imported image: ",img=Switch[format,"PDF"|"HDF",Import[filename][[1]],
_,Import[filename]]];
Print["Identified text: ",TextRecognize[ImageResize[img,Scaled[3]]]];
Print["filesize (bytes): ",FileByteCount[filename]]]

Meu melhor caso até agora:

f[24, "PBM"]

Mathematica, 78 bytes

O truque para ganhar isso no Mathematica provavelmente será o uso da função ImageResize [], como abaixo.

Primeiro, criei o texto "2014" e o salvei em um arquivo GIF, para uma comparação justa com a solução de David Carraher. O texto parece . Isso não é otimizado de forma alguma; é apenas Genebra com um tamanho de fonte pequeno; outras fontes e tamanhos menores podem ser possíveis. TextRecognize [] direto falharia, mas TextRecognize [ImageResize []]] não tem nenhum problema

filename = "~/Desktop/2014.gif";
Print["Actual imported image: ", img = Import[filename]]
Print["Identified text: ", 
 TextRecognize[ImageResize[img, Scaled[2]]]]
Print["filesize (bytes): ", FileByteCount[filename]]

A confusão com o tipo de letra, tamanho da fonte, grau de escala etc., provavelmente resultará em arquivos ainda menores que funcionarão.