OCR光學字符識別技術

什么是OCR光學字符識別？

OCR （Optical Character Recognition，光學字符識別）是指電子設備（例如掃描儀或數碼相機）檢查紙上打印的字符，通過檢測暗、亮的模式確定其形狀，然后用字符識別方法將形狀翻譯成計算機文字的過程。衡量一個OCR系統性能好壞的主要指標有：拒識率、誤識率、識別速度、用戶界面的友好性，產品的穩定性，易用性及可行性等。

在工業領域，光學字符識別 （OCR） 是一項機器視覺任務，包括從圖像中提取文本信息。

OCR 是高精度文本識別技術，并且對中等顆粒圖形噪聲無懈可擊。它們還適用于識別使用點陣打印機制作的字符。該技術為部分遮擋或變形的字符提供了令人滿意的結果。

識別過程的效率主要取決于文本分割結果的質量。大多數識別案例都可以使用提供的一組識別模型完成。在其他情況下，可以輕松準備新的識別模型。

OCR光學字符識別技術步驟

為了實現最準確的識別，有必要進行仔細的文本提取和分段。從圖像獲取文本的總體過程包括以下步驟：

獲取文本位置

文本的位置是固定的，它由稱為掩碼的框描述。例如，個人身份證是按照正式規范制作的。每個數據字段的位置是已知的。經過良好校準的視覺系統可以拍攝文本位置幾乎恒定的圖像。

文本位置不是固定的，但它與輸入圖像上的特征元素或特殊標記（光學標記）相關。要獲取文本的位置，必須找到光學標記。這可以通過模板匹配、1D 邊緣檢測或其他技術完成。

未指定文本的位置，但可以通過圖像閾值輕松地從背景中分離字符。然后可以使用 Blob 分析技術找到正確的字符。

從背景中提取文本

文本提取過程中的主要復雜情況可能是光線不均勻。某些技術（如光規范化或邊緣銳化）有助于查找字符。

此時，已提取的文本區域已準備好進行分段。

分段文本

文本區域分割是將區域拆分為行和單個字符的過程。只有當每個區域包含一個字符時，識別才可能實現。

當文本文本行分開時，每行必須拆分為單獨的字符。

接下來，提取的字符將從圖形表示形式轉換為文本表示形式。

調用OCR模型庫

通過調用OCR模型庫，使識別到的字符以文本形式與模型庫進行比對，匹配數據最相似的模板，得出準確的字符信息。

字符識別

通常來說需要選擇適當的字符規范大小，來分類字符的大小。