Exposición

Hablando de software de reconocimiento de texto OCR

Feb 18, 2019 Dejar un mensaje

Hablando de software de reconocimiento de texto OCR

Somos una gran empresa de impresión en Shenzhen, China. Ofrecemos todas las publicaciones de libros, impresión de libros de tapa dura, impresión de libros de papercobre, libreta de tapa dura, impresión de libros de sprial, impresión de libros de encuadernación, impresión de folletos, cajas de embalaje, calendarios, todo tipo de PVC, folletos de productos, notas, libros infantiles, pegatinas, todo tipos de productos especiales de impresión en color de papel, tarjeta de juego y así sucesivamente.

Para mayor información por favor visite

http://www.joyful-printing.com. Solo ENG

http://www.joyful-printing.net

http://www.joyful-printing.org

correo electrónico: info@joyful-printing.net


La tarea del software de reconocimiento de caracteres chino es estudiar cómo hacer que una computadora "sepa leer". El sistema generalmente utiliza un dispositivo de conversión fotoeléctrica para convertir un carácter chino o un cuadro de palabra en una señal eléctrica, y lo envía a una computadora, que es reconocida y leída automáticamente por una computadora, por lo que se denomina óptica. Reconocimiento óptico de caracteres (OCR).


Perfil de desarrollo OCR


El concepto de OCR fue propuesto por primera vez por el científico alemán Tausheck en 1929. Más tarde, el científico estadounidense Handel también propuso la idea de utilizar la tecnología para identificar palabras. La primera investigación sobre el reconocimiento de caracteres chinos impresos fue Casey y Nagy de IBM. En 1966, publicaron el primer artículo sobre el reconocimiento de caracteres chinos, que utilizaba la comparación de plantillas para identificar 1000 caracteres chinos impresos. A principios de la década de 1970, los académicos japoneses comenzaron a estudiar el reconocimiento de caracteres chinos e hicieron mucho trabajo. La investigación sobre el reconocimiento de caracteres chinos en China comenzó relativamente tarde, y el trabajo de investigación de OCR comenzó a fines de los años setenta. El primer software de OCR no cumplió con los requisitos reales debido a diversos factores, como la tasa de reconocimiento y la productividad. Al mismo tiempo, debido al alto costo del equipo de hardware y la velocidad de operación lenta, no ha alcanzado un nivel práctico. Solo algunos departamentos, como los departamentos de información, las unidades de prensa y publicación, utilizan el software OCR. Después de 1986, la investigación de OCR de China ha hecho grandes avances y ha hecho innovaciones en los métodos de reconocimiento y modelado de caracteres chinos. Ha logrado resultados fructíferos en el desarrollo de sistemas y aplicaciones de desarrollo. Muchas unidades han lanzado sucesivamente productos chinos OCR. Después de la década de 1990, con la amplia aplicación de escáneres de plataforma y la popularización de la automatización de la información y la automatización de oficinas en China, se ha promovido enormemente el desarrollo de la tecnología OCR y se ha reconocido la tasa de reconocimiento de OCR, y la velocidad de reconocimiento ha sido satisfactoria. Los usuarios. Reclamación.


En la actualidad, hay muchos programas populares de OCR. El OCR en inglés incluye principalmente OmniPage, OCR en chino, principalmente OCR en desorden Tsinghua, OCR en Tsinghua Wentong, OCR en Hanwang, OCR en Zhongjing Shangshu, OCR en Danqing y OCR en Mengyu. A pesar de la gran cantidad de caracteres chinos y fuentes complejas, la tecnología OCR ha madurado. Muchos programas de OCR no solo pueden reconocer caracteres chinos impresos en blanco y negro, sino que también pueden reconocer caracteres chinos en escala de grises y en color. La velocidad de reconocimiento es rápida y la tasa de precisión de reconocimiento es superior al 99%. Puede reconocer varias fuentes como Song, Bold y Scorpion. Tradicional; puede reconocer una variedad de fuentes, diferentes tamaños de fuente de mezcla; Algunos programas de OCR también pueden identificar imágenes, tablas. Al mismo tiempo, se ha logrado un gran progreso en el estudio del reconocimiento de caracteres en chino a mano, y la tasa de reconocimiento correcta ha alcanzado más del 70%.


Aplicación de software OCR


En el mercado de los escáneres, muchos tipos de escáneres de oficina y hogar están equipados con el software OCR. Por ejemplo, el escáner violeta está equipado con OCR violeta, el escáner de cristal está equipado con Shangshu OCR y el escáner Mustek está equipado con Danqing OCR. El escáner y el software OCR comparten todo el proceso desde la entrada del documento hasta el reconocimiento de texto.


El escaneo de documentos se utiliza a menudo en el campo de la oficina. Los documentos relacionados con publicaciones en periódicos, revistas, etc. son escaneados por un escáner, y luego se realiza la identificación de OCR, o se almacena como un archivo de imagen, para su posterior reconocimiento de OCR, y los archivos de imagen se convierten en texto. Archivo o archivo de Word para almacenamiento.


Además, el almacenamiento y la transmisión de información digital no solo es de bajo costo, alta eficiencia, sino que también se adapta a las necesidades no desarrolladas de la composición tipográfica y la transmisión de red. En la actualidad, hay muchos tesoros de papel como libros, periódicos, revistas, etc., que quedan en China, y es urgente convertirlos en información electrónica. Por ejemplo, el establecimiento de una biblioteca electrónica requiere que los libros se escaneen página por página, y la identificación del software OCR reemplaza la escritura manual de palabras, lo que acorta considerablemente el tiempo de entrada, reduce la intensidad de trabajo, ahorra mano de obra y reduce los costos. Mejore la precisión de la entrada, la eficiencia en el trabajo y la automatización moderna de la oficina.


En la actualidad, la combinación de software OCR y escáneres se ha aplicado a muchos campos de la era de la información, como bibliotecas digitales, identificación de varios informes e identificación de estándares bancarios y de sistemas fiscales. Con el desarrollo y la popularización de la red y la información, el alcance de su aplicación será cada vez más extenso.


Composición del sistema OCR.


La función del software de reconocimiento de caracteres chinos OCR es reconocer varios gráficos o imágenes de cada carácter chino grabado en caracteres chinos, impresiones o manuscritos por computadora, y marcar los códigos de categoría de caracteres chinos. Por lo tanto, el reconocimiento de caracteres chinos es, en última instancia, un problema de reconocimiento de imagen. Debido a la gran cantidad de caracteres chinos, diferentes fuentes, tipos de letra y estructuras complejas, el proceso de reconocimiento de caracteres chinos es extremadamente complicado. Diagrama esquemático del flujo de trabajo del software OCR, como se muestra en la siguiente tabla:


Datos de documento → entrada de escaneo → procesamiento de imágenes → división de diseño → reconocimiento de texto → edición de texto → almacenamiento de documentos


Debido a la popularidad y la amplia aplicación de los escáneres, el software OCR solo necesita proporcionar una interfaz con el escáner y utilizar el software del controlador del escáner. Por lo tanto, el software OCR se compone principalmente de un módulo de procesamiento de imágenes, un módulo de división de diseño, un módulo de reconocimiento de texto y un módulo de edición de texto.


1. Módulo de procesamiento de imágenes.

El módulo de procesamiento de imágenes tiene principalmente funciones como el escaneo de documentos, el escalado de imágenes y la rotación de imágenes. Después de que el escáner lo ingresa, el documento forma un archivo de imagen, y el módulo de procesamiento de imágenes puede ampliar la imagen para eliminar manchas y rasguños. Si la imagen no se gira correctamente, se puede girar manual o automáticamente para crear mejores condiciones para el reconocimiento de texto. La tasa de reconocimiento es mayor.


2. Módulo de división de diseño.

El módulo de división de diseño incluye principalmente la división de diseño y la división de cambios, es decir, se puede seleccionar el diseño, la segmentación de palabras, la normalización, etc., y se puede seleccionar el diseño automático o manual. El propósito es indicar al software OCR que separe los artículos, tablas, etc. en el mismo diseño, para que puedan procesarse por separado y en qué orden.


3. Módulo de reconocimiento de texto.

El módulo de reconocimiento de texto es la parte central del software OCR, un diagrama simple del proceso de reconocimiento de texto, como se muestra a continuación. El módulo de reconocimiento de texto realiza principalmente "lectura" en los caracteres chinos de entrada, pero no puede ser multilínea y debe cortarse línea por línea. Para los caracteres chinos, generalmente se reconoce por una palabra y una palabra, es decir, reconocimiento de una sola palabra, y luego se normaliza. El módulo de reconocimiento de texto extrae las características de diferentes caracteres chinos de muestra, completa el reconocimiento, encuentra automáticamente palabras sospechosas y tiene funciones como antes y después de la asociación.


Escanear entrada original → corte de línea → corte de palabras → naturalización → extracción de características de reconocimiento → reconocimiento de palabras ┐

└- → Extracción de características de preclasificación → Biblioteca de características (diccionario) → Manuscrito de salida


4. Módulo de edición de texto.

El módulo de edición de texto principalmente modifica y edita el texto reconocido de OCR. Si el sistema reconoce que está equivocado, el texto se mostrará en negrita rojo o azul, proporcionará un texto similar para la selección y seleccionará el editor para la salida.


Cómo utilizar el software OCR


Aunque hay muchos tipos de software OCR, su uso es similar. El primer paso es escanear el documento y luego realizar el reconocimiento OCR. El uso del software OCR es el siguiente:


1. escaneo de documentos

Para utilizar el software OCR para el reconocimiento de texto, los documentos se pueden escanear directamente en el software OCR. Después de ejecutar el software OCR, aparecerá la interfaz del software OCR.


Coloque el documento que va a escanear en el lado de vidrio del escáner de modo que el lado que se va a escanear quede hacia el lado de vidrio del escáner con el extremo superior del documento hacia abajo, alineado con el borde de la regla, y luego el escáner está cubierto para prepararse para el escaneo. Haga clic en el botón "Escanear" en la ventana para ingresar al software del controlador de escaneo para escanear. El método de escaneo no será descrito aquí. Sin embargo, debe tenerse en cuenta que la resolución se puede establecer en 200 ~ 400 ppp. Para documentos de texto, es crítico ajustar el brillo.


2. Reconocimiento OCR

Para facilitar la operación, seleccione las opciones del menú y aparecen varios iconos a la izquierda de la ventana.

Para un mejor uso, primero introduzca el icono a la izquierda de la pantalla de arriba a abajo:


Herramienta "Zoom in": para ampliar la imagen; Herramienta "alejar": para reducir la imagen; Herramienta "Configuración del área de reconocimiento": para configurar el área de reconocimiento. Herramienta "Establecer el orden de reconocimiento": para establecer el orden de reconocimiento. Herramienta Eliminar área de reconocimiento: para eliminar el área de reconocimiento; Herramienta "Borrar ruido de imagen": para borrar un área de la imagen; Herramienta "Girar imagen": para girar la imagen 90 °, 180 ° o 270 °; Herramienta de corrección de inclinación: para la corrección manual de inclinación de la imagen.


Pasos generales para la identificación OCR:


(1) Después de escanear el documento, el texto a reconocer que aparece en la ventana es muy pequeño. Primero, seleccione la herramienta "Acercar" para ampliar correctamente la imagen para que la imagen sea más clara. Si es necesario, también puede seleccionar la herramienta "alejar" para reducir el tamaño de la pantalla de manera adecuada.

(2) Si la pantalla necesita girarse 90 °, 180 ° o 270 °, use la herramienta Girar imagen para rotar la imagen. Si la pantalla de texto está inclinada, seleccione la herramienta Corrección de inclinación para ajustar la pantalla.

(3) Seleccione la herramienta "Establecer área de reconocimiento" durante el reconocimiento y encuadre el área a reconocer en la pantalla de caracteres. En este caso, se pueden encuadrar varias áreas según la condición de la pantalla. Si el área enmarcada es incorrecta, puede usar la herramienta Eliminar área de identificación para eliminar el área reconocida seleccionada.

(4) Para mejorar la velocidad de reconocimiento, si el área de reconocimiento seleccionada tiene ruido o una imagen irreconocible, la herramienta "Borrar ruido de imagen" se puede seleccionar para borrar el ruido poco a poco. Si necesita borrar en partes, puede seleccionar la herramienta Borrar bloque de imagen.

(5) Haga clic en el icono "Reconocer", luego la pantalla OCR está realizando la segmentación de texto, luego transfiera a la pantalla "Reconociendo", y el texto reconocido se mostrará paso a paso, y luego se transferirá a la ventana "Revisión de documentos" como mostrado.

Muchos programas de OCR tienen una función de modificación de texto que reconoce el texto que puede ser erróneo, se muestra en un color claro y se puede modificar.

(6) Almacene el archivo reconocido como un archivo de texto (TXT) o un archivo RTF de Word.

Envíeconsulta