立即下载

OCR字符识别组成有哪些？OCR字符识别由来历史你知道吗？

2022-07-07

667

    　　你知道OCR字符识别是什么吗？我相信很多人应该对这一方面都是不太了解，但你肯定不知道，我们其实在日常生活中一直会用到它，今天福昕全能王的小编就来介绍一下它。
 

    　　OCR字符识别介绍


    　　OCR字符识别是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，然后用字符识别方法将形状翻译成计算机文字的过程；即，对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息的过程。如何除错或利用辅助信息提高识别正确率，是OCR最重要的课题的友好性，产品的稳定性，易用性及可行性等。
OCR字符识别
 

    　　OCR字符识别组成


    　　图像输入、预处理。
    　　图像输入：对于不同的图像格式，有着不同的存储格式，不同的压缩方式。预处理：主要包括二值化，噪声去除，倾斜较正等。
    　　二值化：对摄像头拍摄的图片，大多数是彩色图像，彩色图像所含信息量巨大，对于图片的内容，我们可以简单的分为前景与背景，为了让计算机更快的，更好的识别文字，我们需要先对彩色图进行处理，使图片只前景信息与背景信息，可以简单的定义前景信息为黑色，背景信息为白色，这就是二值化图了。
    　　噪声去除：对于不同的文档，我们对噪声的定义可以不同，根据噪声的特征进行去噪，就叫做噪声去除
    　　倾斜较正：由于一般用户，在拍照文档时，都比较随意，因此拍照出来的图片不可避免的产生倾斜，这就需要文字识别软件进行较正。
OCR字符识别组成
    　　版面分析：将文档图片分段落，分行的过程就叫做版面分析，由于实际文档的多样性，复杂性，因此，还没有一个固定的，最优的切割模型。
    　　字符切割：由于拍照条件的限制，经常造成字符粘连，断笔，因此极大限制了识别系统的性能，这就需要文字识别软件有字符切割功能。
    　　字符识别：这一研究，已经是很早的事情了，比较早有模板匹配，后来以特征提取为主，由于文字的位移，笔画的粗细，断笔，粘连，旋转等因素的影响，极大影响特征的提取的难度。
    　　版面恢复：人们希望识别后的文字，仍然像原文档图片那样排列着，段落不变，位置不变，顺序不变，的输出到word文档,pdf文档等，这一过程就叫做版面恢复。
    　　后处理、校对:根据特定的语言上下文的关系，对识别结果进行较正，就是后处理。
 

    　　OCR字符识别由来历史


    　　早在60、70年代，世界各国就开始有OCR的研究，而研究的初期，多以文字的识别方法研究为主，且识别的文字仅为0至9的数字。以同样拥有方块文字的日本为例，1960年左右开始研究OCR的基本识别理论，初期以数字为对象，直至1965至1970年之间开始有一些简单的产品，如印刷文字的邮政编码识别系统，识别邮件上的邮政编码，帮助邮局作区域分信的作业；也因此至今邮政编码一直是各国所倡导的地址书写方式。
    　　说起原理、组成结构，可能你会对OCR字符识别很陌生，但福昕全能王相信每个接触电脑的人都离不开它，电脑技术其实很多时候都不起眼，但一旦你关注到它，处处都是大学问。

上一篇： ocr扫描识别软件如何选择？有哪些好的推荐？

下一篇： 手机如何扫描文字？手机能否扫描文字？

推荐阅读：

安装福昕扫描王