锐客网

  1. 首页 > 睿知 > >

ocr，信息技术中OCR是什么

经验分享睿知

1，信息技术中OCR是什么简单地说，OCR就是一种图文识别技术 。比如OCR文字识别软件 ， 就能把图片中的文字通过扫描、识别、计算、翻译等过程转换成可以编辑的文档 。【ocr，信息技术中OCR是什么】
2，OCR是什么汉字识别OCR（"光学字符识别"的英文编写）是为了使汉字信息高速输入计算机 ， 以解决低速的信息输入与高速信息处理之间的矛盾，从而提高整个计算机系统的效率 。这种根据汉字人工编码录入汉字文本的方法，从根本上改变了人们对计算机汉字人工编码录入的概念 。使人们从繁重的键盘录入汉字的劳动中解脱出来 。只要用扫描仪将整页文本图像输入到计算机，就能通过OCR软件自动产生汉字文本文件，这与人手工键入的汉字效果是一样的，但速度比手工快几十倍 。所以OCR 产品的推广意义是深远的 。提高OCR识别率购买了扫描仪，你一定会发现 ， 附赠的软件中有中英文OCR识别软件，当然一般都是基础版 。很多人认为此类OCR的识别率不是很高，甚至怀疑只有那些正版的数千元的OCR软件其识别率才很高 。其实，你只要注意使用技巧，此类OCR的识别率完全可达实用化水平 。1、处理原稿扫描图像，使之清晰可“辨” 。在其它因素都满足的前提下，对一般的印刷稿、打印稿（包括清晰的针打稿）等质量较好的文稿进行识别，其识别率一般可达到98％以上 。而对报纸、复印件等不太清晰的文稿进行识别，无论哪种OCR都难以达到较高的识别率 。对那些原稿不太清晰的 ， 要注意识别前对图像加以处理 ， 除去其上的污迹 。并注意将偏斜的版面“改斜归正” ， 通常OCR软件均有此功能 ， 且一般都设有自动纠偏和手动纠偏 。2、分辨率应选择适宜 。一般选择300dpi较合适，分辨率选小了会使识别率降低，选得太大了并不能有效提高识别率 ， 还会大幅度加长文件长度，浪费处理时间 。有的扫描软件设备上有一项“OCR扫描”，干脆将分辨率锁定为300dpi，这是很有道理的 。3、调整好亮度值和对比度值 。这条非常关键，对识别率的影响很大 。亮度值的调整是在识别前，先看看扫描得到的图像中文字质量如何 ， 如果文字线条凹凸不平，甚至有断线 ， 说明亮度值太大了，应减小亮度值；当文字线条很黑很粗，甚至挤成了黑疙瘩，分不清笔划时，则说明亮度值太小了 ， 应增加亮度值；对比度的调节要视原稿确定，笔者常根据预扫时图像清晰度确定 。4、利用OCR的自学习功能 。有时OCR对某些字总是难以识别，比如OCR开始对“的”和“二”等字总是搞错，这时可以利用OCR软件的自学习功能 ， “引导”它正确识别一次（有些不同的字体各需一次），它以后就对这些字“熟识”了 。具体操作极易，上机看一下菜单即可明白 。另外 ， 若原稿全是英文或其中中文很少，最好用附赠的英文OCR软件 。还有 ， 现在已有一些很好的文字校对软件，其中一般都设置了OCR校对，利用这些软件先行处理一下所得文本文件 ， 则可大大减轻人工校对负担 。
3，什么是OCR技术光学符号识别的缩写OCR技术是光学字符识别的缩写(Optical Character Recognition)，是通过扫描等光学输入方式将各种票据、报刊、书籍、文稿及其它印刷品的文字转化为图像信息 ， 再利用文字识别技术将图像信息转化为可以使用的计算机输入技术 。可应用于银行票据、大量文字资料、档案卷宗、文案的录入和处理领域 。适合于银行、税务等行业大量票据表格的自动扫描识别及长期存储 。相对一般文本，通常以最终识别率、识别速度、版面理解正确率及版面还原满意度4个方面作为OCR技术的评测依据；而相对于表格及票据，通常以识别率或整张通过率及识别速度为测定OCR技术的实用标准 。OCR识别技术不仅具有可以自动判断、拆分、 识别和还原各种通用型印刷体表格 ， 在表格理解上做出了令人满意的实用结果 ， 能够自动分析文稿的版面布局 ， 自动分栏、并判断出标题、横栏、图像、表格等相应属性，并判定识别顺序，能将识别结果还原成与扫描文稿的版面布局一致的新文本 。表格自动录入技术，可自动识别特定表格的印刷或打印汉字、字母、数字，可识别手写体汉字、手写体字母、数字及多种手写符号，并按表格格式输出 。提高了表格录入效率，可节省大量人力 。同时支持将表格识别直接还原成PTF、PDF、HTML等格式文档；并可以对图像嵌入横排文本和竖排文本、表格文本进行自动排版面分析 。采用OCR识别技术,可以将其应用于银行票据光盘缩微系统，可以自动提取票据要素，可减轻操作员的工作量 ， 减少重复劳动 ， 尤其是在与银行事后且监督系统相结合后，可以替代原先的操作人员完成事后监督工作 。由计算机自动识别票据上的日期、帐号、金额等要素，通过银行事后监督系统与业务系统中的数据进行比较，完成传统的事后监督操作；配有印章验证系统后，自动将凭证图像中的印章与系统中预留的印鉴进行比较，完成印章的真伪识别 。利用目前的高新技术-OCR，直接从凭证影像中提取金额、帐号等重要数据，代替人的手工录入，与条码识别/流水识别紧密结合，实现建立事后副本帐、完成事后监督的工作 。OCR处理一般使用性能较好的PC机，OCR处理程序一经启动会自动扫描数据库中的凭证影像，发现有需OCR处理而未处理的，提取到本地进行处理 。OCR手写体、印刷体识别技术 ， 能识别不同人写的千差万别的手写体汉字和数字，应用于本系统，识别凭证影像中储户填写的信息，如大写金额、小写金额、帐号、存期、日期、证件号等 ， 可以代替手工录入 。同时被识别得出的金额还要与流水识别所得的金额进行核对，核对成功，则OCR识别成功 。这样处理是为了避免误判 。经过对银行产生的实际凭证进行的大量测试，在实际开发过程中 ， 根据银行的实际需求，OCR技术在票据和表格识别能力和手写体自动识别能力上不断提升，目前处理速度可达到每分钟60～80张票据，存折识别率已经达到了85％以上，存单、凭条识别率达到90％以上，而85％以上的识别率就能减少80％以上的数据录入员 。
4，什么是ocr什么是OCR OCR（Optical Character Recognition，光学字符识别），是属于图型识别（Pattern Recognition，PR）的一门学问 。其目的就是要让计算机知道它到底看到了什么，尤其是文字资料 。由于OCR是一门与识别率拔河的技术，因此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，ICR（Intelligent Character Recognition）的名词也因此而产生 。而根据文字资料存在的媒体介质不同，及取得这些资料的方式不同，就衍生出各式各样、各种不同的应用 。在此对OCR作一基本介绍，包括其技术简介以及其应用介绍 。一、OCR的发展要谈OCR的发展，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 。OCR可以说是一种不确定的技术研究，正确率就像是一个无穷趋近函数，知道其趋近值，却只能靠近而无法达到 ， 永远在与100%作拉锯战 。因为其牵扯的因素太多了，书写者的习惯或文件印刷品质、扫描仪的扫瞄品质、识别的方法、学习及测试的样本……等等，多少都会影响其正确率，也因此 ， OCR的产品除了需有一个强有力的识别核心外 ， 产品的操作使用方便性、所提供的除错功能及方法，亦是决定产品好坏的重要因素 。一个OCR识别系统 ， 其目的很简单，只是要把影像作一个转换，使影像内的图形继续保存、有表格则表格内资料及影像内的文字 ， 一律变成计算机文字，使能达到影像资料的储存量减少、识别出的文字可再使用及分析，当然也可节省因键盘输入的人力与时间 。其处理流程如下图：(在下面的站点上） 从影像到结果输出，须经过影像输入、影像前处理、文字特征抽取、比对识别、最后经人工校正将认错的文字更正，将结果输出 。在此逐一介绍： 影象输入：欲经过OCR处理的标的物须透过光学仪器，如影像扫描仪、传真机或任何摄影器材 ， 将影像转入计算机 。科技的进步，扫描仪等的输入装置已制作的愈来愈精致，轻薄短小、品质也高，对OCR有相当大的帮助 ， 扫描仪的分辨率使影像更清晰、扫除速度更增进OCR处理的效率 。影象前处理：影像前处理是OCR系统中，须解决问题最多的一个模块，从得到一个不是黑就是白的二值化影像，或灰阶、彩色的影像，到独立出一个个的文字影像的过程，都属于影像前处理 。包含了影像正规化、去除噪声、影像矫正等的影像处理，及图文分析、文字行与字分离的文件前处理 。在影像处理方面，在学理及技术方面都已达成熟阶段，因此在市面上或网站上有不少可用的链接库；在文件前处理方面 ， 则凭各家本领了；影像须先将图片、表格及文字区域分离出来，甚至可将文章的编排方向、文章的题纲及内容主体区分开，而文字的大小及文字的字体亦可如原始文件一样的判断出来 。文字特征抽?。旱ヒ允侗鹇识?，特征抽取可说是OCR的核心，用什么特征、怎么抽取，直接影响识别的好坏，也所以在OCR研究初期 ， 特征抽取的研究报告特别的多 。而特征可说是识别的筹码，简易的区分可分为两类：一为统计的特征 ， 如文字区域内的黑/白点数比，当文字区分成好几个区域时，这一个个区域黑/白点数比之联合，就成了空间的一个数值向量，在比对时 ， 基本的数学理论就足以应付了 。而另一类特征为结构的特征，如文字影像细线化后，取得字的笔划端点、交叉点之数量及位置，或以笔划段为特征，配合特殊的比对方法，进行比对，市面上的线上手写输入软件的识别方法多以此种结构的方法为主 。对比数据库：当输入文字算完特征后，不管是用统计或结构的特征，都须有一比对数据库或特征数据库来进行比对 ， 数据库的内容应包含所有欲识别的字集文字，根据与输入文字一样的特征抽取方法所得的特征群组 。对比识别：这是可充分发挥数学运算理论的一个模块 ， 根据不同的特征特性 ， 选用不同的数学距离函数，较有名的比对方法有，欧式空间的比对方法、松弛比对法（Relaxation）、动态程序比对法（Dynamic Programming，DP） ， 以及类神经网络的数据库建立及比对、HMM（Hidden Markov Model）…等著名的方法，为了使识别的结果更稳定 ， 也有所谓的专家系统（Experts System）被提出，利用各种特征比对方法的相异互补性，使识别出的结果 ， 其信心度特别的高 。字词后处理：由于OCR的识别率并无法达到百分之百，或想加强比对的正确性及信心值，一些除错或甚至帮忙更正的功能，也成为OCR系统中必要的一个模块 。字词后处理就是一例，利用比对后的识别文字与其可能的相似候选字群中 ， 根据前后的识别文字找出最合乎逻辑的词，做更正的功能 。字词数据库：为字词后处理所建立的词库 。人工校正：OCR最后的关卡，在此之前 ， 使用者可能只是拿支鼠标，跟着软件设计的节奏操作或仅是观看，而在此有可能须特别花使用者的精神及时间，去更正甚至找寻可能是OCR出错的地方 。一个好的OCR软件，除了有一个稳定的影像处理及识别核心，以降低错误率外，人工校正的操作流程及其功能，亦影响OCR的处理效率，因此，文字影像与识别文字的对照，及其屏幕信息摆放的位置、还有每一识别文字的候选字功能、拒认字的功能、及字词后处理后特意标示出可能有问题的字词 ， 都是为使用者设计尽量少使用键盘的一种功能，当然，不是说系统没显示出的文字就一定正确 ， 就像完全由键盘输入的工作人员也会有出错的时候，这时要重新校正一次或能允许些许的错，就完全看使用单位的需求了 。结果输出：其实输出是件简单的事 ， 但却须看使用者用OCR到底为了什么？有人只要文本文件作部份文字的再使用之用，所以只要一般的文字文件、有人要漂漂亮亮的和输入文件一模一样，所以有原文重现的功能、有人注重表格内的文字 ， 所以要和Excel等软件结合 。无论怎么变化 ， 都只是输出档案格式的变化而已 。

    推荐阅读


    上一篇：iomaniph是什么头文件，include调用的是什么文件

    下一篇：经传多赢软件官网，经传多赢软件好不好