您很可能需要执行以下操作：

1. 在整个页面上应用 Hough Transform 算法，这应该会产生一系列页面部分。

2. 对于您获得的每个部分，请再次应用它。如果当前部分产生了2个元素，那么您应该处理一个类似于上面的矩形。

3. 完成后，可以使用 OCR 提取数值。

在这种情况下，我建议你看看JavaCV（OpenCV Java Wrapper），它应该允许你处理Hough Transform部分。然后，您将需要类似于Tess4j（Tesseract Java Wrapper）的东西，它应该允许您提取所需的数字。

作为额外的注意事项，若要减少误报的数量，您可能需要执行以下操作：

1. 如果您确定某些坐标永远不会包含您想要的数据，请裁剪图像。这应该会给你一个较小的图片来使用。

2. 将图像更改为灰度可能是明智的（假设您正在使用彩色图像）。颜色可能会对 OCR 解析图像的能力产生负面影响。

编辑：根据您的评论，给出这样的东西：

+------------------------------+
|                   +---+---+  |
|                   |   |   |  |
|                   +---+---+  |
|                   +---+---+  |
|                   |   |   |  |
|                   +---+---+  |
|                   +---+---+  |
|                   |   |   |  |
|                   +---+---+  |
|                   +---+---+  |
|                   |   |   |  |
|                   +---+---+  |
+------------------------------+

您将裁剪图像，以便通过裁剪图像来删除没有相关数据的区域（左侧的部分），您将获得如下结果：

+-------------+
|+---+---+    |
||   |   |    | 
|+---+---+    |
|+---+---+    |
||   |   |    |
|+---+---+    |
|+---+---+    |
||   |   |    |
|+---+---+    |
|+---+---+    |
||   |   |    |
|+---+---+    |
+-------------+

我们的想法是运行Hough Transform，以便您可以获得包含矩形的页面片段，如下所示：

+---+---+    
|   |   |     
+---+---+ 

然后，您将再次应用Hough Transform并最终得到两个段，然后取左段。

一旦你有了左段，你就可以应用OCR。

您可以尝试事先应用OCR，但充其量，OCR将识别两个数值，包括书面和键入的值，从我得到的来看，这不是您想要的。

此外，描绘矩形的额外线条可能会使 OCR 偏离轨道，并使其产生不良结果。

我建议结合2个基本的神经网络组件：

• 感知器
• 自组织地图

感知器是一个非常简单的神经网络组件。它需要多个输入并产生1个输出。您需要通过向它提供输入和输出来训练它。这是一个自学的组件。

在内部，它具有用于计算输出的权重因子的集合。这些体重因素在训练期间得到完善。感知器的美妙之处在于，（通过适当的训练）它可以处理以前从未见过的数据。

您可以通过将感知器排列在多层网络中来使其更强大，这意味着一个感知器的输出充当另一个感知器的输入。

在你的例子中，你应该使用10个感知器网络，每个数字值（0-9）一个。

但是为了使用感知器，你需要一个数字输入数组。因此，首先您需要一些东西将视觉图像转换为数值。自组织地图 （SOM） 使用相互连接的点的格网。这些点应该被吸引到图像的像素上（见下文）

这两个组件可以很好地协同工作。SOM 具有固定数量的网格节点，并且感知器需要固定数量的输入。

这两个组件都非常流行，并且可以在MATLAB等教育软件包中使用。

更新： 06/01/2018 - 张量流

这个视频教程演示了如何使用Google的TensorFlow框架在python中完成它。（单击此处获取书面教程）。