《光学字符识别OCR.ppt》由会员分享，可在线阅读，更多相关《光学字符识别OCR.ppt（12页珍藏版）》请在三一办公上搜索。
1、光学字符识别OCR,OCR光学字符识别,OCR（Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。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。衡量一个OCR系统性能好坏
2、的主要指标有：拒识率、误识率、识别速度、用户界面的友好性，产品的稳定性，易用性及可行性等。,OCR处理过程,图像预处理文字特征抽取对比识别字词后处理输出,图像预处理,1、二值化（灰度平局值值法、百分比阈值（P-Tile法）、基于谷底最小值的阈值、基于双峰平均值的阈值、迭代最佳阈值、OSTU大律法、一维最大熵、力矩保持法、基于模糊集理论的阈值、ISODATA(也叫做intermeans法）、Shanbhag 法、Yen法）,图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。,图像预处理,2、去噪（中值滤波、均值滤波、Wiener维纳滤波
3、）,椒盐噪声是黑白相间随机分布的亮暗点噪声，通常产生于图像传感器，传输信道，解码处理等情况中。噪声给图像处理带来诸多不便，对分割图像、提取特征、识别图像等都会带来负面影响。因此，对椒盐噪声去噪显得很有必要。,均值滤波,维纳滤波,3种滤波比较,图像预处理,3、倾斜校正处理（Hough 变换、Hough 变换、Hough 变换、Fourier 变换、最近临簇法、最近临簇法）,由于拍摄的图片可能产生倾斜角度，对字符识别带来困扰，所以需将图片倾斜矫正处理。,文字特征抽取,一、版面分析,版面分析将图像切分为不同区域，再把其划分为不同的类型，如图片块、文本块和线条等。虽然名片图像的版面构造多种多样，仍能够
4、将它划分成三类图像组合：文字块：完全由字符构成，它包含中文、字母、数字以及各种标点符号等。线条块：有些名片图像中含有线条，用来醒目单位名称以及有关信息等，通常位于姓名与单位名称间或单位名称与地址之间。图形图片块：由各种线条构成的图案，如单位的标识等。有时，图片块中包含字符或线条，本文将其与图形块和线条分开处理，因为图片块中的信息是偶尔也是有用的。,1、方法自顶而下（投影二分法、循环x-y切分）自底而上（游程码平滑切分、K近邻聚类方法、连通域提取算法切分）综合法（基于组件的中文版面分析算法、基于背景空白的版面切分算法）基于膨胀算法的版面分析技术,文字特征抽取,二、字符切割提取（基于opencv）
5、,1.轮廓检测（只获取最外层的）2.遍历所有检测到的轮廓，用cvBoundingRect（）得到每一个轮廓的外接矩形,找到的轮廓,抠它们出来，这步在上面的遍历中直接通过setROI方法进行提取。,文字特征抽取,三、特征提取,文字特征对 OCR 识别来说非常重要，文字特征区分一般为两类：其一 利用统计的特征，例如文字块的黑、白像素点的比例，通过将文字块几何的分成好几个小块时，形成特征向量，向量是通过每个单独划分的几何区域黑、白点数比例组合起来的，在匹配时，可以利用简单的距离公式或者相似度进行最优匹配。其二 从文字的结构入手，比如图片内的文字块通过细化算法细化后，计算交叉点之数量及位置，同时统计字
6、的笔划数量及位置，或配合模版的匹配方法，进行匹配。,CNN(卷积神经网络)卷积神经网络是人工神经网络的一种，已成为当前图像识别领域的主流模型.它通过 局部感知野 和 权值共享 方法，降低了网络模型的复杂度，减少了权值的数量，在网络结构上更类似于生物神经网络，这也预示着它必然具有更优秀的效果.事实上，我们选择卷积神经网络的主要原因有：1.对原始图像自动提取特征 卷积神经网络模型可以直接将原始图像进行输入，免除了传统模型的人工提取特征这一比较困难的核心部分；2.比传统模型更高的精度 比如在MNIST手写数字识别任务中，可以达到99%以上的精度，这远高于传统模型的精度；3.比传统模型更好的泛化能力
7、这意味着图像本身的形变(伸缩、旋转)以及图像上的噪音对识别的结果影响不明显，这正是一个良好的OCR系统所必需的。,文字特征抽取,三、特征提取,对比识别,样本库,训练,采集,Tesseract-OCR,网上下载字体库,识别：直观上，我们会有这样一个思路，就是这张待识别的图片，最像样本库中的某张图片，那么我们就将它当作那张图片，将它识别为样本库中那张图片事先指定的字符。在我们眼睛里，判断一张图片和另一张图片是否相似很简单，但对于电脑来说，就很难判断了。我们前面已经将图片数值化为一个个维度一样的矢量，电脑是怎样判断一个矢量与另一个矢量相似的呢？这里需要计算一个矢量与另一个矢量间的距离。这个距离越短，则认为这两个矢量越相似。有些字符变形很严重，有的字符连在一起互相交叉，有的字符被掩盖在一堆噪音海之中。对这类字符的识别需要用上特殊的手段。（1）切线距离（Tangent Distance）：可用于处理字符的各种变形，OCR的核心技术之一。（2）霍夫变换（Hough Transform）：对噪音极其不敏感，常用于从图片中提取各种形状。图像识别中最基本的方法之一。（3）形状上下文（Shape Context）：将特征高维化，对形变不很敏感，对噪音也不很敏感。新世纪出现的新方法。,OCR后处理,
