Loading AI tools
对文本资料的图像文件进行识别,获取文字信息 来自维基百科,自由的百科全书
光学字符识别(英语:Optical Character Recognition,缩写:OCR)是指对包含文本内容的图像或视频进行处理和识别,并提取其中所包含的文字及排版信息的过程。例如,一个常见的应用是将包含文档图像的不可编辑状态的 PDF 文档通过 OCR 技术识别后,转换为可编辑状态的 Word 格式文档[1]。
通常来说,根据不同文本内容的特性而言,OCR 技术的应用场景大致可分为以下几类:
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,目前有OpenCV、CxImage等。
如今数字摄像头拍摄的图片,大多数是彩色图像,彩色图像所含信息量巨大,较为不适用于OCR技术。
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、更好地进行OCR相关计算,我们需要先对彩色图进行处理,使图片只剩下前景信息与背景信息。二值化也可以简单地将其理解为“黑白化”。
对于不同的图像,噪点的定义可能不同,根据噪点的特征进行去噪的过程,称为降噪。
由于一般用户,在拍照文档时,难以拍摄得完全符合水平平齐与竖直平齐,因此拍照出来的图片不可避免的产生倾斜,这就需要图像处理软件进行校正。
将文档图片分段落,分行的过程称为版面分析,由于实际文档的多样性、复杂性,此步骤目前仍待优化。
由于拍照、书写条件的限制,经常造成字符粘连、断笔,直接使用此类图像进行OCR分析将会极大限制OCR性能。因此需要进行字符切割,即:将不同字符之间分割开。
早期以模板匹配为主,后期以特征提取为主。由于文字的位移、笔画的粗细、断笔、粘连、旋转等因素的影响,极大地影响特征提取难度。
人们希望识别后的文字,仍然像原始文档图片那样排列,段落、位置、顺序不变地输出到Word文档、PDF文档等,这一过程称为版面还原。
根据特定的语言上下文的关系,对识别结果进行校正。
将识别出的字符以某一格式的文本输出。
OCR的概念是在1929年由德国科学家Tausheck最先提出来,并申请了专利。[来源请求]后来美国科学家Handel也提出了利用技术对文字进行识别的想法。[来源请求]中国最早的OCR商业应用是由科学家王庆人教授在南开大学开发出来的,并在美国市场投入商业使用。[来源请求]日本在20世纪60年代开始研究OCR识别理论,开发了邮政编码识别系统。[来源请求]