光學字元辨識
 | 本條目需要精通或熟悉计算机科学的编者参与及协助编辑。 |
光学字符识别（英语：Optical Character Recognition，OCR）是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。
OCR光學掃描式电子词典
目录
1 识别过程
2 发展历史
3 主流实现
4 参考来源
识别过程
- 图像输入、图像前处理、预识别：
- 图像输入：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等开源项目。
- 预处理：主要包括二值化，噪声去除，倾斜校正等。
- 二值化：
- 对摄像头拍摄的图片，大多数是彩色图像，彩色图像所含信息量巨大，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、更好地识别文字，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，可以简单的定义前景信息为黑色，背景信息为白色，这就是二值化图。
- 噪声去除：
- 对于不同的文档，我们对噪声的定义可以不同，根据噪声的特征进行去噪，就叫做噪声去除。
- 倾斜校正：
- 由于一般用户，在拍照文档时，都比较随意，因此拍照出来的图片不可避免的产生倾斜，这就需要文字识别软件进行较正。
- 版面分析：
- 将文档图片分段落，分行的过程就叫做版面分析，由于实际文档的多样性，复杂性，因此，目前还没有一个固定的，最优的切割模型。
- 字符切割：
- 由于拍照条件的限制，经常造成字符粘连，断笔，因此极大限制了识别系统的性能。
- 字符识别：
- 这一研究已经是很早的事情了，比较早有模板匹配，后来以特征提取为主，由于文字的位移，笔画的粗细，断笔，粘连，旋转等因素的影响，极大影响特征的提取的难度。
- 版面還原：
- 人们希望识别后的文字，仍然像原文档图片那样排列着，段落不变，位置不变，顺序不变地输出到Word文档、PDF文档等，这一过程就叫做版面還原。
- 后处理、校对：
- 根据特定的语言上下文的关系，对识别结果进行校正，就是后处理。
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。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。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。
主流实现
一种是 CNN+RNN+CTC[1]，一种是 CNN+RNN 基于 Attention [2]的方法。
参考来源
^ https://arxiv.org/abs/1507.05717
^ http://papers.nips.cc/paper/5346-sequence-to-sequence-learning-with-neural-networks.pdf
 | 维基共享资源中相关的多媒体资源：光学字符识别 |
| ||||||||||
