掃一掃添加福昕福利官
關(guān)注
ocr在線識別
ocr技術(shù)介紹
光學(xué)字符識別(Optical Character Recognition, OCR)是指對文本資料的圖像文件進行分析識別處理,獲取文字及版面信息的過程?通常,圖像信息通過掃描儀?照相機?電子傳真軟件等設(shè)備獲取并存儲在圖像文件中,然后OCR軟件讀取?分析圖像文件并通過字符識別提取出其中的字符串?
OCR中文意思為光學(xué)文字識別,它通過掃描把所有文稿?書籍等材料進行掃描,對掃描的圖片進行分析,獲取字符和版面上信息的一個過程?因此,OCR技術(shù)為一種比較方便?簡單的字符錄入方法?OCR軟件包括圖像預(yù)處理模塊?圖像版面分析模塊?字符切分識別模塊和字符編輯分類模塊4個部分構(gòu)成?從1929年開始,世界各國就開始研究OCR技術(shù)?
ocr在線識別
ocr在線識別工作流程
一?OCR識別預(yù)處理:灰度化(如果是彩色圖像)?降噪?二值化?字符切分以及歸一化這些子步驟?經(jīng)過二值化后,圖像只剩下兩種顏色,即黑和白,其中一個是圖像背景,另一個顏色就是要識別的文字了;降噪在這個階段非常重要,降噪算法的好壞對特征提取的影響很大?字符切分則是將圖像中的文字分割成單個文字——識別的時候是一個字一個字識別的?如果文字行有傾斜的話往往還要進行傾斜校正?歸一化則是將單個的文字圖像規(guī)整到同樣的尺寸,在同一個規(guī)格下,才能應(yīng)用統(tǒng)一的算法
二?特征提取和降維:特征是用來識別文字的關(guān)鍵信息,每個不同的文字都能通過特征來和其他文字進行區(qū)分?對于數(shù)字和英文字母來說,這個特征提取是比較容易的,因為數(shù)字只有10個,英文字母只有52個,都是小字符集?對于漢字來說,特征提取比較困難,因為首先漢字是大字符集,國標中光是最常用的第一級漢字就有3755個;第二個漢字結(jié)構(gòu)復(fù)雜,形近字多?在確定了使用何種特征后,視情況而定,還有可能要進行特征降維,這種情況就是如果特征的維數(shù)太高(特征一般用一個向量表示,維數(shù)即該向量的分量數(shù)),分類器的效率會受到很大的影響,為了提高識別速率,往往就要進行降維,這個過程也很重要,既要降低維數(shù)吧,又得使得減少維數(shù)后的特征向量還保留了足夠的信息量(以區(qū)分不同的文字)?
三?分類器設(shè)計?訓(xùn)練和實際識別:分類器是用來進行識別的,就是對于第二步,對一個文字圖像,提取出特征給分類器,分類器就對其進行分類,告訴你這個特征該識別成哪個文字?在進行實際識別前,往往還要對分類器進行訓(xùn)練,這是一個監(jiān)督學(xué)習(xí)的案例?
四?OCR識別后處理:后處理是用來對分類結(jié)果進行優(yōu)化的,第一,分類器的分類有時候不一定是完全正確的,比如對漢字的識別,由于漢字中形近字的存在,很容易將一個字識別成其形近字?后處理中可以去解決這個問題,比如通過語言模型來進行校正——如果分類器將“在哪里”識別成“存哪里”,通過語言模型會發(fā)現(xiàn)“存哪里”是錯誤的,然后進行校正?第二,OCR識別圖像往往是有大量文字的,而且這些文字存在排版?字體大小等復(fù)雜情況,后處理中可以嘗試去對識別結(jié)果進行格式化,比如按照圖像中的排版排列?
ocr在線識別的出現(xiàn)加快了我們智能化辦公的推進,目前辦公運用了很多的ocr在線識別技術(shù),它提高了我們辦公效率,改變了我們的辦公方式?再推薦一款非常好用的PDF編輯器——福昕PDF編輯器,它是永久免費試用的高效PDF編輯器?外行看熱鬧,內(nèi)行看門道,福昕PDF編輯可以自由編輯PDF內(nèi)容,文檔轉(zhuǎn)換,頁面管理,掃描件/圖片OCR識別,電子簽名和文檔保護,電子表單數(shù)百項大小功能?對金融,律師,財會,招投標,工程設(shè)計和施工等行業(yè)來說,更是不可或缺的實用軟件!
版權(quán)聲明:除非特別標注,否則均為本站原創(chuàng)文章,轉(zhuǎn)載時請以鏈接形式注明文章出處。
政企
合作
了解平臺產(chǎn)品
預(yù)約產(chǎn)品演示
申請產(chǎn)品試用
定制合作方案
福昕
福利官
掃一掃添加福昕福利官
了解平臺產(chǎn)品
預(yù)約產(chǎn)品演示
申請產(chǎn)品試用
定制合作方案
添加福昕福利官
微信掃碼
免費獲取合作方案和報價
