OCR文字识别技术

OCR文字识别技术

OCR文字识别技术是随着扫描仪的普及而兴起的，令人非常高兴的是，这项技术已经相当成熟，在未来的几年中也将长盛不衰。OCR是Optical Character Recognition的简称，指光学字符识别技术，是自动识别技术研究和应用中的一个重要领域。对于大批量的印刷文字向电子文档的输入，OCR文字识别技术无疑是最好的，效率与识别率都能让用户十分满意。当然，这点大家还得感谢我们的祖先，因为中文笔划复杂而非常容易识别，

至于英文可就没有那幺幸运了。

1、扫描

完成各个扫描参数的设置后开始扫描，选择扫描方式，是使用“TWAIN

扫描界面”还是使用“直接终扫”。

选择“TWAIN扫描界面”则要进行两次扫描，第一次“预扫”目的是为

了测定被扫描文件的亮度，用户在“预扫”结果中对扫描亮度、分辨率以

及扫描范围进行调整后再进行“终扫”。

如果选择“直接扫描”，系统只进行一次扫描，假如用户在直接终扫的

亮度选择中已选“固定”或者“自动”，扫描后将直接显示扫描获得的图像；假如选择的是“手动调整”，则扫描结束后，屏幕显示“选择亮度”

对话框，可边调整亮度边观察图像的明暗变化和扫描质量，直到对图像满意。

2、识别

倾斜矫正

由于印刷和用户多方面操作的原因，扫描得到的图像可能有一定的倾斜

角度，尤其是小的倾斜角度，在扫描中难以避免，对于特别小的倾斜角度（约1—2度）OCR系统可以自动适应，无须任何处理就可识别。对于倾斜角度小于10—15度时，可以先进行倾斜矫正，然后在进行识别处理，如果倾斜角度大雨15度，图像失真，建议从新扫描。OCR系统自动倾斜矫正和自动倾斜矫正两种方式。建议使用自动倾斜矫正。

版面分析

版面分析是将扫描得到的图像，划分出每一个区域块。对于各个不同的

区域块，也就是划分出我们所要识别的图像中文字所在的区域范围。版面分析分为自动版面分析和手动版面分析。简单的图像版式建议使用自动分析，报刊等复杂版式建议采用手动分析，以免遗漏所要识别的文字。

进行识别

图像文件根据各自情况经过倾斜矫正、版面分析等处理后，即可进入识

别程序（图像中只含有单栏的横排文字，没有其他的复杂的内容，可以不进行版面分析，就能识别）。识别是OCR系统的核心，为了保证正确的识别，应按以下的步骤进行。

（1）选择正确的识别字体

根据识别图像的具体情况选择字体

简体多体（印刷体）——常见的宋体、仿宋体、黑体、楷体、圆体

繁体多体（印刷体）——常见的宋体、仿宋体、黑体、楷体、圆体

纯英文（印刷体）——常见的英文多种字体

手写体——要求笔记规范、不潦草

（2）识别

点击OCR系统工具条中的“识别”命令进行操作，如果对于识别过的图像进行再次识别，系统会出现对话框，提示是否覆盖已有的识别结果。