光學(xué)字符識別

1、光學(xué)字符識別光學(xué)字符識別OCR是英文OpticalacterRecognition的縮寫，意思是光學(xué)字符識別，也可簡單地稱為文字識別，是文字自動輸入的一種方法。它通過掃描和攝像等光學(xué)輸入方式獲取紙張上的文字圖像信息，利用各種模式識別算法分析文字形態(tài)特征，判斷出漢字的標(biāo)準(zhǔn)編碼，并按通用格式存儲在文本文件中，從根本上改變了人們對計(jì)算機(jī)漢字人工編碼錄入的概念。使人們從繁重的鍵盤錄入漢字的勞動中解脫出來。只要用掃描儀將整頁文本圖像輸入到計(jì)算機(jī)，

2、就能通過OCR軟件自動產(chǎn)生漢字文本文件，這與人手工鍵入的漢字效果是一樣的，但速度比手工快幾十倍。比如用手機(jī)給名片拍照，名片中的姓名、電話號碼等信息就會自動識別進(jìn)入到手機(jī)中，從此查詢、撥打輕而易舉。目前支持該功能的手機(jī)主要有摩托羅拉A1200、索愛P990和LGG832等。所以，OCR是一種非常快捷、省力的文字輸入方式，也是在文字量比較大的今天，很受人們歡迎的一種輸入方式。由于OCR是一門與識別率拔河的技術(shù)，因此如何除錯或利用輔助信息提高

3、識別正確率，是OCR最重要的課題，ICR（IntelligentacterRecognition）的名詞也因此而產(chǎn)生。而根據(jù)文字資料存在的媒體介質(zhì)不同，及取得這些資料的方式不同，就衍生出各式各樣、各種不同的應(yīng)用。在此對OCR作一基本介紹，包括其技術(shù)簡介以及其應(yīng)用介紹。OCR的發(fā)展要談OCR的發(fā)展，早在60、70年代，世界各國就開始有OCR的研究，而研究的初期，多以文字的識別方法研究為主，且識別的文字僅為0至9的數(shù)字。以同樣擁有方塊文字的

4、日本為例，1960年左右開始研究OCR的基本識別理論，初期以數(shù)字為對象，直至1965至1970年之間開始有一些簡單的產(chǎn)品，如印刷文字的郵政編碼識別系統(tǒng)，識別郵件上的郵政編碼，幫助郵局作區(qū)域分信的作業(yè)；也因此至今郵政編碼一直是各國所倡導(dǎo)的地址書寫方式。OCR可以說是一種不確定的技術(shù)研究，正確率就像是一個無窮趨近函數(shù)，知道其趨近值，卻只能靠近而無法達(dá)到，永遠(yuǎn)在與100%作拉鋸戰(zhàn)。因?yàn)槠錉砍兜囊蛩靥嗔?，書寫者的?xí)慣或文件印刷品質(zhì)、掃描儀的掃

5、瞄品質(zhì)、識別的方法、學(xué)習(xí)及測試的樣本……等等，多少都會影響其正確率，也因此，OCR的產(chǎn)品除了需有一個強(qiáng)有力的識別核心外，產(chǎn)品的操作使用方便性、所提供的除錯功能及方法，亦是決定產(chǎn)品好壞的重要因素。一個OCR識別系統(tǒng)，其目的很簡單，只是要把影像作一個轉(zhuǎn)換，使影像內(nèi)的圖形繼續(xù)保存、有表格則表格內(nèi)資料及影像內(nèi)的文字，一律變成計(jì)算機(jī)文字，使能達(dá)到影像資料的儲存量減少、識別出的文字可再使用及分析，當(dāng)然也可節(jié)省因鍵盤輸入的人力與時間。其處理流程如下圖

6、：影象輸入：欲經(jīng)過OCR處理的標(biāo)的物須透過光學(xué)儀器，如影像掃描儀、傳真機(jī)或任何攝影器材，將影像轉(zhuǎn)入計(jì)算機(jī)?？萍嫉倪M(jìn)步，掃描儀等的輸入裝置已制作的愈來愈精致，輕薄短小、品質(zhì)也高，對OCR有相當(dāng)大的幫助，掃描儀的分辨率使影像更清晰、掃除速度更增進(jìn)OCR處理的效率。影象前處理：影像前處理是OCR系統(tǒng)中，須解決問題最多的一個模塊，從得到一個不是黑就是白的二值化影像，或灰階、彩色的影像，到獨(dú)立出一個個的文字影像的過程，都屬于影像前處理。包含了影像

7、正規(guī)化、去除噪聲、影像矯正等的影像處理，及圖文分析、文字行與字分離的文件前處理。在影像處理方面，在學(xué)理及技術(shù)方面都已達(dá)成熟階段，因此在市面上或網(wǎng)站上有不少可用的鏈接庫；在文件前處理方面，則憑各家本領(lǐng)了；影像須先將圖片、表格及文字區(qū)域分離出來，甚至可將文章的編排方向、文章的題綱及內(nèi)容主體區(qū)分開，而文字的大小及文字的字體亦可如原始文件一樣的判斷出來。文字特征抽?。簡我宰R別率而言，特征抽取可說是OCR的核心，用什么特征、怎么抽取，直接影響識別

8、的好壞，也所以在OCR研究初期，特征抽取的研究報告特別的多。而特征可說是識別的籌碼，簡易的區(qū)分可分為兩類：一為統(tǒng)計(jì)的特征，如文字區(qū)域內(nèi)的黑白點(diǎn)數(shù)比，當(dāng)文字區(qū)分成好幾個區(qū)域時，這一個個區(qū)域黑白點(diǎn)數(shù)比之聯(lián)合，就成了空間的一個數(shù)值向量，在比對時，基本的數(shù)學(xué)理論就足以應(yīng)付了。而另一類特征為結(jié)構(gòu)的特征，如文字影像細(xì)線化后，取得字的筆劃端點(diǎn)、交叉點(diǎn)之?dāng)?shù)量及位置，或以筆劃段為特征，配合特殊的比對方法，進(jìn)行比對，市面上的線上手寫輸入軟件的識別方法多以此

9、種結(jié)構(gòu)的方法為主。對比數(shù)據(jù)庫：當(dāng)輸入文字算完特征后，不管是用統(tǒng)計(jì)或結(jié)構(gòu)的特征，都須有一比對數(shù)據(jù)庫或特征數(shù)據(jù)庫來進(jìn)行比對，數(shù)據(jù)庫的內(nèi)容應(yīng)包含所有欲識別的字集文字，根據(jù)與輸入文字一樣的特征抽取方法所得的特征群組。對比識別：這是可充分發(fā)揮數(shù)學(xué)運(yùn)算理論的一個模塊，根據(jù)不同的特征特性，選用不同的數(shù)學(xué)距離函數(shù)，較有名的比對方法有，歐式空間的比對方法、松弛比對法（Relaxation）、動態(tài)程序比對法（DynamicProgramming，DP），以

10、及類神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)庫建立及比對、HMM（HiddenMarkovModel）…等著名的方法，為了使識別的結(jié)果更穩(wěn)定，也有所謂的專家系統(tǒng)（ExpertsSystem）被提出，利用各種特征比對方法的相異互補(bǔ)性，使識別出的結(jié)果，其信心度特別的高。字詞后處理：由于OCR的識別率并無法達(dá)到百分之百，或想加強(qiáng)比對的正確性及信心值，一些除錯或甚至幫忙更正的功能，也成為OCR系統(tǒng)中必要的一個模塊。字詞后處理就是一例，利用比對后的識別文字與其可能的相似候

11、選字群中，根據(jù)前后的識別文字找出最合乎邏輯的詞，做更正的功能。字詞數(shù)據(jù)庫：為字詞后處理所建立的詞庫。人工校正：OCR最后的關(guān)卡，在此之前，使用者可能只是拿支鼠標(biāo)，跟著軟件設(shè)計(jì)的節(jié)奏操作或僅是觀看，而在此有可能須特別花使用者的精神及時間，去更正甚至找尋可能是OCR出錯的地方。一個好的OCR軟件，除了有一個穩(wěn)定的影像處理及識別核心，以降低錯誤率外，人工校正的操作流程及其功能，亦影響OCR的處理效率，因此，文字影像與識別文字的對照，及其屏幕信