光学字符识别

提示：此条目的主题不是光學劃記符號辨識。
可攜式掃描器利用光學字元辨識，將紙本資料紀錄至電腦的過程

光学字符识别（英語：Optical Character Recognition，縮寫：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：

  • 印刷文本识别：印刷文本通常指报刊、杂志、文档、小票等使用现代计算机字体编排并印刷的文本内容。这类文本内容通常具有清晰一致的字体、间距等，因此识别技术相对成熟，并被广泛应用于纸质档案、报刊的数字化上[2]。
  • 手写文本识别：相较于具有固定字体的印刷文本而言，手写文本往往根据不同的书写者以及书写工具会具有极大的变化，因此其识别难度相较于印刷文本而言要更高。手写体识别可以帮助用户快速将手写的笔记内容数字化输入到计算机中，也被用在一些电子备忘录中来对用户的手写笔记内容进行检索[3]。此外，由手写文本识别进一步衍生的一个应用则是签名笔迹认证，这类方法用于比对签名的真实性。
  • 公式文本识别：数学公式通常由大量符号及数字组成，由于根式，分式等规则的存在，数学公式往往存在二维结构，即并不能保证识别的顺序一定符合固定的阅读顺序。因此，数学公式的 OCR 模型往往显著有别于常规的自然语言文本 OCR 处理技术。通常来说，数学公式的 OCR 识别需要借助使用 LaTeX 等结构化的文档标记语言来实现，即，OCR 给出的输出是一组 LaTeX 标记符号[4]。
  • 场景文本识别：场景文本识别，有时也被称作通用文本识别技术。这类识别技术能够对任意场景下的图片中包含的任意形式的文本进行识别，包括但不仅限于：街边商铺的招牌、超市内商品中的文本、合影中人物衣着上的文本、城市建筑上的商标名称等等。这类技术已经被应用到了许多应用中，例如智能手机中允许搜索或提取相册中带有文本内容的图像[5][6]，聊天软件中允许直接复制对方发送图片中的文本内容等[7]。
  • 古籍文本识别：古籍文档与现代印刷的排版和布局通常具有很大的差别，例如，阅读顺序可能自上而下，自右向左等。因此，使用基于现代文档数据开发的 OCR 技术和模型在包含这些内容的图像上的识别效果往往不够好。因此，在对大量古籍进行数字化保护的过程中，催生了专门针对该类型文档内容进行识别的 OCR 技术[8]。

过程

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，目前有OpenCV、CxImage等。

前期处理

二值化

如今数码摄像头拍摄的图片，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”。

图像降噪

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，稱為降噪。

倾斜校正

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。

中期处理

版面分析

将文档图片分段落，分行的过程稱為版面分析，由于实际文档的多样性、复杂性，此步骤目前仍待优化。

字符切割

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。

字符识别

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。

版面還原

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，这一过程稱為版面还原。

后期处理

根据特定的语言上下文的关系，对识别结果进行校正。

输出

将识别出的字符以某一格式的文本输出。

发展历史

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。[來源請求]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。[來源請求]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。[來源請求]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。[來源請求]

主流实现

参考来源

  1. ^ 什么是OCR？如何使用OCR文字识别软件？_文本_文件_图片. www.sohu.com. [2023-10-06]. 
  2. ^ 人工智能技术在档案OCR工作中的应用. app.yunxiqu.gov.cn. [2023-10-06]. 
  3. ^ 手写笔记软件评测Notability、GoodNotes、MarginNote、OneNote_支持_功能_编辑器. www.sohu.com. [2023-10-06]. 
  4. ^ Synced. ‘Snip’ Converts Math Screenshots Into LaTeX | Synced. syncedreview.com. 2019-04-09 [2023-10-06]. （原始内容存档于2023-03-23） （美国英语）. 
  5. ^ Google 相册现在能让你搜索照片里的文字. 爱范儿. 2019-08-23 [2023-10-06]. （原始内容存档于2022-12-08） （中文（中国大陆））. 
  6. ^ 瘋先生. iOS 15原況文字怎麼用？教你6招iPhone相機實現OCR文字辨識 - 瘋先生. mrmad.com.tw. 2021-06-11 [2023-10-06]. （原始内容存档于2022-04-05） （中文（臺灣））. 
  7. ^ 虽迟但到，微信也可以「提取图片内文字」了？. 爱范儿. 2021-03-23 [2023-10-06]. （原始内容存档于2022-11-29） （中文（中国大陆））. 
  8. ^ 繁体字识别_应用_技术_古籍. www.sohu.com. [2023-10-06]. 
  9. ^ 存档副本. [2018-02-19]. （原始内容存档于2018-02-19）. 
  10. ^ 存档副本 (PDF). [2018-02-19]. （原始内容存档 (PDF)于2018-03-04）. 
维基共享资源上的相关多媒体资源：光学字符识别

Read other articles:

Jembatan Merah

Untuk kegunaan lain, lihat Jembatan Merah (disambiguasi). Jembatan Merah Jembatan Merah (ca.1880-1900) Jembatan Merah merupakan salah satu monumen sejarah di Surabaya, Jawa Timur yang dibiarkan seperti adanya: sebagai jembatan. Jembatan yang menjadi salah satu judul lagu ciptaan Gesang ini, semasa zaman VOC dahulu dinilai penting karena menjadi sarana perhubungan paling vital melewati Kalimas menuju Gedung Karesidenan Surabaya, yang sudah tidak berbekas lagi. Kawasan Jembatan Merah merupakan ...

 

 

Tim nasional sepak bola Gibraltar

GibraltarJulukanTeam 54[1]AsosiasiAsosiasi Sepak Bola GibraltarKonfederasiUEFA (Eropa)PelatihJulio César RibasKaptenRoy ChipolinaPenampilan terbanyakRoy ChipolinaLiam Walker (55)Pencetak gol terbanyakLee CasciaroTjay De BarrReece Styche (3)Stadion kandangStadion Victoria (Persahabatan)Estádio Algarve (Kualifikasi)Kode FIFAGIBPeringkat FIFATerkini 201 (15 Februari 2024)[2]Tertinggi190 (October 2018)Terendah206 (April 2017 – March 2018)Peringkat EloTerkini 180 1 (19 Januari ...

 

 

KFBK (AM)

Clear-channel news/talk radio station in Sacramento, California KFBKSacramento, CaliforniaBroadcast areaSacramento–Stockton, CaliforniaFrequency1530 kHzBrandingNews 93.1 KFBKProgrammingFormatNews–talkAffiliations ABC News Radio CBS News Radio Compass Media Networks Premiere Networks OwnershipOwneriHeartMedia, Inc.(iHM Licenses, LLC)Sister stationsKBEBKFBK-FMKHYLKSTEKYRVKZISHistoryFirst air dateSeptember 17, 1922; 101 years ago (1922-09-17)Technical information[1]...

Clay Guida

American mixed martial arts fighter Clay GuidaBorn (1981-12-08) December 8, 1981 (age 42)Round Lake, Illinois, United States[1]Other namesThe CarpenterHeight5 ft 7 in (1.70 m)Weight155 lb (70 kg; 11 st 1 lb)DivisionLightweight (2003–2013, 2017–present)Featherweight (2013–2016)Reach70 in (178 cm)[2]StanceOrthodoxFighting out ofJohnsburg, Illinois, United States[3]TeamMidwest Training Center (until 2009)[4] ...

 

 

Jonida Maliqi

Jonida Maliqi FödelsenamnJonida MaliqiFödd26 mars 1983 (41 år) Tirana, AlbanienBakgrund AlbanienGenrerPop, danceRollSångerskaInstrumentSångÅr som aktiv1995–idagArtistsamarbetenBig Basta Jonida Maliqi, född 26 mars 1983 i Tirana, är en albansk sångerska, fotomodell, TV-programledare och företagare. Maliqi inledde sin karriär genom Festivali i Këngës 1995. 2008 vann hon musiktävlingen Kënga Magjike med låten Njëri nga ata. Maliqi har även slutat på tredje plats i ...

 

 

Madame Butterfly (film 1915)

Madame ButterflyPoster teatrikalSutradaraSidney OlcottProduserDaniel FrohmanAdolph ZukorDitulis olehJohn Luther Long (cerita)PemeranMary PickfordDistributorParamount PicturesTanggal rilis7 November 1915NegaraAmerika SerikatBahasaAntarjudul Inggris Madame Butterfly Madame Butterfly adalah sebuah film bisu Amerika Serikat tahun 1915 garapan Sidney Olcott. Film tersebut berdasarkan pada cerpen tahun 1898 Madame Butterfly karya John Luther Long dan opera Madama Butterfly. Referensi Pranala luar M...

Fleix (Vienne)

FleixcomuneFleix – Veduta LocalizzazioneStato Francia Regione Nuova Aquitania Dipartimento Vienne ArrondissementMontmorillon CantoneChauvigny TerritorioCoordinate46°33′N 0°45′E / 46.55°N 0.75°E46.55; 0.75 (Fleix)Coordinate: 46°33′N 0°45′E / 46.55°N 0.75°E46.55; 0.75 (Fleix) Superficie9,21 km² Abitanti157[1] (2009) Densità17,05 ab./km² Altre informazioniCod. postale86300 Fuso orarioUTC+1 Codice INSEE86098 Carto...

 

 

Западный округ (Краснодар)

У этого термина существуют и другие значения, см. Западный округ. Западный внутригородской округ город Краснодар Дата основания 1936 год Дата упразднения 1994 Прежние имена Кагановичский, Ленинский районы Микрорайоны Дубинка, Черёмушки, Покровка Площадь 22[1]  км² Насе...

 

 

Roustam Raza

Bodyguard of Napoleon Roustan redirects here. For people with surname Roustan, see Roustan (surname). Roustam RazaLe Mamelouk Roustam Raza by Jacques-Nicolas Paillot de Montabert, 1806BornRostam1783Tiflis, Kingdom of Kartli-Kakheti (present-day Tbilisi, Georgia) DiedDecember 7, 1845 (aged 61–62)Dourdan, FranceCitizenshipFranceSpouseAlexandrine DouvilleChildrenAchille Roustam Raza (Armenian: Ռուստամ Ռուզա, Georgian: რუსტამ რაზა; 1783 – 7 Decembe...

NGTS-3Ab

Giant exoplanet in the constellation Columba NGTS-3AbNGTS-3Ab compared to JupiterDiscovery[1]Discovered byGünther et al.Discovery date07 May 2018Detection methodTransitOrbital characteristics[1]Semi-major axis0.023+0.007−0.005 AUOrbital period (sidereal)1.67±0.00 dInclination89.56°+0.31°−0.48°Time of perihelion2,457,620.16790±0.00095 dSemi-amplitude−404±35 m/sStarNGTS-3Physical characteristicsMean radius1.48±0.37 RJ[1&#...

 

 

Kejuaraan Eropa U-19 UEFA

Kejuaraan Sepak Bola U-19 Eropa UEFAMulai digelar1948WilayahEropa (UEFA)Jumlah tim54 (kualifikasi)24 (Ronde Elit)8 (putaran final)Juara bertahan Spanyol (gelar ke-10)Tim tersukses Spanyol (10 gelar)Televisi penyiarEurosport Kejuaraan Sepak Bola U-19 Eropa UEFA 2016 Kejuaraan Sepak Bola U-19 Eropa UEFA adalah kompetisi sepak bola tahunan yang diselenggarakan oleh otoritas sepak bola Eropa, UEFA. Kompetisi ini telah diselenggarakan sejak 1948. Turnamen ini pada awalnya disebut Tu...

 

 

VTDigger

Journalism platform based in Vermont VTDiggerFormatDigitalOwner(s)Vermont Journalism Trust, 501(c)3 nonprofit organizationFounder(s)Anne GallowayEditor-in-chiefPaul HeintzFoundedSeptember 2009; 14 years ago (2009-09)Headquarters26 State Street, Suite 8Montpelier, VT 05602 United StatesCirculation730,000 (as of 2023)Websitevtdigger.org VTDigger is an investigative online newspaper that reports on the state of Vermont in the United States.[1] Founded in S...

Aeroporto di Londra-Heathrow

Aeroporto di Londra-Heathrowaeroporto(EN) London Heathrow Airport Terminal 5 dell'aeroporto Codice IATALHR Codice ICAOEGLL Codice WMO03772 Nome commercialeAeroporto Intercontinentale di Londra-Heathrow DescrizioneTipoCivile ProprietarioHeathrow Airport Holdings GestoreHeathrow Airport Limited Gestore torre di controlloNATS Holdings Stato Regno Unito Regione/area/distrettoGreater London CittàLondra PosizioneHillingdon HubBritish AirwaysVirgin Atlantic Costruzione1929 Altitudine24...

 

 

Motomondiale 1983

Motomondiale 1983Edizione n. 35 del Motomondiale Dati generaliInizio19 marzo Termine4 settembre Prove12 (500), 11 (125 e 250), 8 (sidecar), 7 (50) Le 50, le 125 e i sidecar iniziano il 3 aprile, la 250 termina il 6 agosto. Titoli in palioClasse 500 Freddie Spencersu Honda NS 500 Classe 250 Carlos Lavadosu Yamaha Classe 125 Ángel Nietosu Garelli Classe 50 Stefan Dörflingersu Krauser Sidecar Rolf Biland / Kurt Waltispergsu Yamaha Altre edizioniPrecedente - Successiva Edizione in corso La ...

 

 

لحميات الزعانف

اضغط هنا للاطلاع على كيفية قراءة التصنيف لحميات الزعانف   المرتبة التصنيفية عمارة[1]  التصنيف العلمي  فوق النطاق  حيويات مملكة عليا  أبواكيات مملكة  بعديات حقيقية عويلم  كلوانيات مملكة فرعية  ثانويات الفم شعبة  حبليات شعيبة  فقاريات شعبة فرعية...

Герой Труда

О современном звании в России см. Герой Труда Российской Федерации. У этого термина существуют и другие значения, см. Герой Труда (значения). Герой Труда — почётное звание, установленное Постановлением ЦИК СССР от 27 июля 1927 года, присваивавшееся в СССР в 1928—1938...

 

 

Lee Wan-yong

Korean politician (1858–1926) For the Chinese general, see Ye Wanyong (China). In this Korean name, the family name is Lee. You can help expand this article with text translated from the corresponding article in Korean. (May 2019) Click [show] for important translation instructions. Machine translation, like DeepL or Google Translate, is a useful starting point for translations, but translators must revise errors as necessary and confirm that the translation is accurate, rather than si...

 

 

Zhou Xiaoxuan

In this Chinese name, the family name is Zhou. Zhou Xiaoxuan周晓璇Zhou in 2022Born1992 or 1993 (age 30–31)WuhanOccupation(s)screenwriter, activistKnown forRole in Chinese Me Too movementZhou Xiaoxuan (Chinese: 周晓璇; pinyin: Zhōu Xiǎoxuán; born c. 1993), better known by her pen name Xianzi (Chinese: 弦子; pinyin: Xiánzi), is a Chinese screenwriter and leading advocate in the Chinese Me Too movement.[1][2][3] Bi...

HMAS Perth (D29)

Cet article est une ébauche concernant un bateau ou un navire. Vous pouvez partager vos connaissances en l’améliorant (comment ?) selon les recommandations des projets correspondants. Pour les autres navires du même nom, voir HMAS Perth et HMS Amphion. Pour les articles homonymes, voir D29. HMAS Perth Le Perth en 1940 Autres noms HMS Amphion Type Croiseur léger Classe Leander Histoire A servi dans  Royal Navy (1934-1939) Royal Australian Navy (1939-1942) Quille posé...

 

 

ビバリー (マサチューセッツ州)

ビバリー 市 Beverly ビバリー郵便局（1919年） エセックス郡内の位置（赤） 北緯42度33分30秒 西経70度52分48秒 / 北緯42.55833度 西経70.88000度 / 42.55833; -70.88000国 アメリカ合衆国州  マサチューセッツ州郡 エセックス郡入植 1626年法人化 1668年政府 • 種別 市長・市政委員会方式 • 市長 マイケル・P・ケイヒル面積 • 合計 22.6 mi2 (5...