最近因為一個標準pdf文件內容都是掃描圖像，要轉為word文檔以便編輯修改。最方便的就是依靠目前比較火的圖像識別技術OCR了，如果沒有這個技術，我們只有老老實實一字一字地打印到word文檔中去，這樣就太繁瑣了，而且直接變成打字員了，太浪費時間和精力了。

本文以百度百科為基準進行了解：

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；即，針對印刷體字符，采用光學的方式將紙質文檔中的文字轉換成為黑白點陣的圖像文件，并通過識別軟件將圖像中的文字轉換成文本格式，供文字處理軟件進一步編輯加工的技術。如何除錯或利用輔助信息提高識別正確率，是OCR最重要的課題，ICR（Intelligent Character Recognition）的名詞也因此而產生。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。

發展簡史

OCR的概念是在1929年由德國科學家Tausheck最先提出來的，后來美國科學家Handel也提出了利用技術對文字進行識別的想法。而最早對印刷體漢字識別進行研究的是IBM公司的Casey和Nagy，1966年他們發表了第一篇關于漢字識別的文章，采用了模板匹配法識別了1000個印刷體漢字。 早在60、70年代，世界各國就開始有OCR的研究，而研究的初期，多以文字的識別方法研究為主，且識別的文字僅為0至9的數字。以同樣擁有方塊文字的日本為例，1960年左右開始研究OCR的基本識別理論，初期以數字為對象，直至1965至1970年之間開始有一些簡單的產品，如印刷文字的郵政編碼識別系統，識別郵件上的郵政編碼，幫助郵局作區域分信的作業；也因此至今郵政編碼一直是各國所倡導的地址書寫方式。 20世紀70年代初，日本的學者開始研究漢字識別，并做了大量的工作。中國在OCR技術方面的研究工作起步較晚，在70年代才開始對數字、英文字母及符號的識別進行研究，70年代末開始進行漢字識別的研究，到1986年，我國提出“863”高新科技研究計劃，漢字識別的研究進入一個實質性的階段，清華大學的丁曉青教授和中科院分別開發研究，相繼推出了中文OCR產品，現為中國最領先漢字OCR技術。早期的OCR軟件，由于識別率及產品化等多方面的因素，未能達到實際要求。同時，由于硬件設備成本高，運行速度慢，也沒有達到實用的程度。只有個別部門，如信息部門、新聞出版單位等使用OCR軟件。進入20世紀90年代以后，隨著平臺式掃描儀的廣泛應用，以及我國信息自動化和辦公自動化的普及，大大推動了OCR技術的進一步發展，使OCR的識別正確率、識別速度滿足了廣大用戶的要求。

軟件結構

由于掃描儀的普及與廣泛應用，OCR軟件只需提供與掃描儀的接口，利用掃描儀驅動軟件即可。因此，OCR軟件主要是由下面幾個部分組成。圖像輸入、預處理：圖像輸入：對于不同的圖像格式，有著不同的存儲格式，不同的壓縮方式，目前有OpenCV,CxImage等開源項目 。預處理：主要包括二值化，噪聲去除，傾斜較正等二值化：對攝像頭拍攝的圖片，大多數是彩色圖像，彩色圖像所含信息量巨大，對于圖片的內容，我們可以簡單的分為前景與背景，為了讓計算機更快的，更好的識別文字，我們需要先對彩色圖進行處理，使圖片只前景信息與背景信息，可以簡單的定義前景信息為黑色，背景信息為白色，這就是二值化圖了。噪聲去除：對于不同的文檔，我們對噪聲的定義可以不同，根據噪聲的特征進行去噪，就叫做噪聲去除傾斜較正：由于一般用戶，在拍照文檔時，都比較隨意，因此拍照出來的圖片不可避免的產生傾斜，這就需要文字識別軟件進行較正。版面分析：將文檔圖片分段落，分行的過程就叫做版面分析，由于實際文檔的多樣性，復雜性，因此，目前還沒有一個固定的，最優的切割模型。字符切割：由于拍照條件的限制，經常造成字符粘連，斷筆，因此極大限制了識別系統的性能，這就需要文字識別軟件有字符切割功能。字符識別：這一研究，已經是很早的事情了，比較早有模板匹配，后來以特征提取為主，由于文字的位移，筆畫的粗細，斷筆，粘連，旋轉等因素的影響，極大影響特征的提取的難度。版面恢復：人們希望識別后的文字，仍然像原文檔圖片那樣排列著，段落不變，位置不變，順序不變，的輸出到word文檔,pdf文檔等，這一過程就叫做版面恢復。后處理、校對:根據特定的語言上下文的關系，對識別結果進行較正，就是后處理。

工作流程

一個OCR識別系統，其目的很簡單，只是要把影像作一個轉換，使影像內的圖形繼續保存、有表格則表格內資料及影像內的文字，一律變成計算機文字，使能達到影像資料的儲存量減少、識別出的文字可再使用及分析，當然也可節省因鍵盤輸入的人力與時間。從影像到結果輸出，須經過影像輸入、影像前處理、文字特征抽取、比對識別、最后經人工校正將認錯的文字更正，將結果輸出。

影像輸入

欲經過OCR處理的標的物須透過光學儀器，如影像掃描儀、傳真機或任何攝影器材，將影像轉入計算機。科技的進步，掃描儀等的輸入裝置已制作的愈來愈精致，輕薄短小、品質也高，對OCR有相當大的幫助，掃描儀的分辨率使影像更清晰、掃除速度更增進OCR處理的效率。影像預處理：影像預處理是OCR系統中，須解決問題最多的一個模塊。影像須先將圖片、表格及文字區域分離出來，甚至可將文章的編排方向、文章的提綱及內容主體區分開，而文字的大小及文字的字體亦可如原始文件一樣的判斷出來。對待識別圖像進行如下預處理，可以降低特征提取算法的難度，并能提高識別的精度。

• 二值化：由于彩色圖像所含信息量過于巨大，在對圖像中印刷體字符進行識別處理前，需要對圖像進行二值化處理，使圖像只包含黑色的前景信息和白色的背景信息，提升識別處理的效率和精確度。
• 圖像降噪：由于待識別圖像的品質受限于輸入設備、環境、以及文檔的印刷質量，在對圖像中印刷體字符進行識別處理前，需要根據噪聲的特征對待識別圖像進行去噪處理，提升識別處理的精確度。

傾斜校正：由于掃描和拍攝過程涉及人工操作，輸入計算機的待識別圖像或多或少都會存在一些傾斜，在對圖像中印刷體字符進行識別處理前，就需要進行圖像方向檢測，并校正圖像方向。文字特征抽取：單以識別率而言，特征抽取可說是 OCR的核心，用什么特征、怎么抽取，直接影響識別的好壞，也所以在OCR研究初期，特征抽取的研究報告特別的多。而特征可說是識別的籌碼，簡易的區分可分為兩類：一為統計的特征，如文字區域內的黑/白點數比，當文字區分成好幾個區域時，這一個個區域黑/白點數比之聯合，就成了空間的一個數值向量，在比對時，基本的數學理論就足以應付了。而另一類特征為結構的特征，如文字影像細線化后，取得字的筆劃端點、交叉點之數量及位置，或以筆劃段為特征，配合特殊的比對方法，進行比對，市面上的線上手寫輸入軟件的識別方法多以此種結構的方法為主。對比數據庫：當輸入文字算完特征后，不管是用統計或結構的特征，都須有一比對數據庫或特征數據庫來進行比對，數據庫的內容應包含所有欲識別的字集文字，根據與輸入文字一樣的特征抽取方法所得的特征群組。

對比識別

這是可充分發揮數學運算理論的一個模塊，根據不同的特征特性，選用不同的數學距離函數，較有名的比對方法有，歐式空間的比對方法、松弛比對法（Relaxation）、動態程序比對法（Dynamic Programming，DP），以及類神經網絡的數據庫建立及比對、HMM（Hidden Markov Model）…等著名的方法，為了使識別的結果更穩定，也有所謂的專家系統（Experts System）被提出，利用各種特征比對方法的相異互補性，使識別出的結果，其信心度特別的高。字詞后處理：由于OCR的識別率并無法達到百分之百，或想加強比對的正確性及信心值，一些除錯或甚至幫忙更正的功能，也成為OCR系統中必要的一個模塊。字詞后處理就是一例，利用比對后的識別文字與其可能的相似候選字群中，根據前后的識別文字找出最合乎邏輯的詞，做更正的功能。字詞數據庫：為字詞后處理所建立的詞庫。

人工校正

OCR最后的關卡，在此之前，使用者可能只是拿支鼠標，跟著軟件設計的節奏操作或僅是觀看，而在此有可能須特別花使用者的精神及時間，去更正甚至找尋可能是OCR出錯的地方。一個好的OCR軟件，除了有一個穩定的影像處理及識別核心，以降低錯誤率外，人工校正的操作流程及其功能，亦影響OCR的處理效率，因此，文字影像與識別文字的對照，及其屏幕信息擺放的位置、還有每一識別文字的候選字功能、拒認字的功能、及字詞后處理后特意標示出可能有問題的字詞，都是為使用者設計盡量少使用鍵盤的一種功能，當然，不是說系統沒顯示出的文字就一定正確，就像完全由鍵盤輸入的工作人員也會有出錯的時候，這時要重新校正一次或能允許些許的錯，就完全看使用單位的需求了。

結果輸出

有人只要文本文件作部份文字的再使用之用，所以只要一般的文字文件、有人要漂漂亮亮的和輸入文件一模一樣，所以有原文重現的功能、有人注重表格內的文字，所以要和Excel等軟件結合。無論怎么變化，都只是輸出檔案格式的變化而已。如果需要還原成原文一樣格式，則在識別后，需要人工排版，耗時耗力。

中文識別

資料錄入

文獻資料的數字化錄入，一般分為： 1．純圖像方式。 2．目錄文本、正文圖像方式。 3．全文本方式。 4．全文索引方式。文本方式和圖像方式的混合體。

識別過程

書本級：中文，英文；簡體，繁體； 版式級：豎排，橫排；有無分欄； 行切分　字切分 識別：真正的OCR識別過程，圖像信息還原成文本信息 后處理：人工干預，主要集中在前四個階段。

決定因素

1．圖片的質量，一般建議150dpi以上 2．顏色，一般對彩色識別很差，黑白的圖片較高，因此建議ocr的為黑白tif格式 3．最重要的就是字體，如果是手寫識別率很低。 國內OCR識別簡體差錯率為萬分之三，如果要求更高的精度需要投入更大的人工干預。繁體識別由于繁體字庫的不統一性（民國時期的字庫和現在繁體字庫不統一），導致識別困難，在人工干預下，精度能達到90%以上（圖文清晰情況下）。

識別技巧

1．分辨率的設置是文字識別的重要前提。一般來講，掃描儀提供較多的圖像信息，識別軟件比較容易得出識別結果。但也不是掃描分辨率設得越高識別正確率就越高。選擇300dpi或400dpi分辨率，適合大部分文檔掃描。注意文字原稿的掃描識別，設置掃描分辨率時千萬不要超過掃描儀的光學分辨率，不然會得不償失。下面是部分典型設置，僅供參考。 (1)1、2、3號字的文章段，推薦使用200dpi。 (2)4、小4、5號字的文章段，推薦使用300dpl (3)小5、6號字的文章段，推薦使用400dpl (4)7、8號字的文章段，推薦使用600dpi。 2． 掃描時適當地調整好亮度和對比度值，使掃描文件黑白分明。這對識別率的影響最為關鍵，掃描亮度和對比度值的設定以觀察掃描后的圖像中漢字的筆畫較細但又不斷開為原則。進行識別前，先看看掃描得到的圖像中文字質量如何，如果圖像存在黑點或黑斑時或文字線條很粗很黑，分不清筆畫時，說明亮度值太小了，應該增加亮度值在試試；如果文字線條凹凸不平，有斷線甚至圖像中漢字輪廓嚴重殘缺時，說明亮度值太大了，應減小亮度后再試試。 3．選好掃描軟件。選一款好的適合自己的OCR軟件是作好文字識別工作的基礎，一般不要使用掃描儀自帶的OEM軟件，OEM的OCR軟件的功能少、效果差，有的甚至沒有中文識別。 再選一個圖像軟件，第一，OCR軟件不能識別所有的掃描儀；第二，也是最關鍵的，利用圖像軟件的掃描接口掃描出來的圖像便于處理。 4．如果要進行的文本是帶有格式的，如粗體、斜體、首行縮進等，部分OCR軟件識別不出來，會丟失格式或出現亂碼。如果必須掃描帶有格式的文本，事先要確保使用的識別軟件是否支持文字格式的掃描。也可以關閉樣式識別系統，使軟件集中注意力查找正確的字符，不再顧及字體和字體格式。 5．在掃描識別報紙或其他半透明文稿時，背面的文字透過紙張混淆文字字形，對識別會造成很大的障礙。遇到該類掃描，只要在掃描原稿的背面附。蓋一張黑紙，掃描時，增加掃描對比度，即可減少背面模糊字體的影響，提高識別正確率。 6．一般文本掃描原稿都為黑、白兩色原稿，但是在掃描設置時卻常將掃描模式設為灰度模式。特別是在原稿質量較差時，使用灰度模式掃描，并在掃描軟件處理完后再繼續識別，這樣會得到較好的識別正確率。值得注意的是OCR識別軟件可以自己確定閥值，幾個百分點的閥值差異，可能就會影響識別的正常進行。當然，得到的圖像文件的大小會比黑白文件大很多。在進行大批量文稿掃描時，必須對原稿進行測試，找到最佳的閥值百分比。 7．遇到圖文混排的掃描原稿，首先明確使用的識別軟件是否支持自動分析圖文這一功能。如果支持的話，在進行這類掃描識別時，OCR軟件會自動計算出文本的內容、位置和先后順序。文字部分可以按照標示順序正常識別。 8．手動選取掃描區域會有更好識別效果。設置好參數后，先預覽一下，然后開始選取掃描區域。不要將要用的文章一股腦兒選在一個區域內，因為現在的文章排版為了追求更好的視覺效果，使用圖文混排的較多，掃成一幅圖像會影響OCR識別。因此，要根據實際情況將版面分成N個區域，怎么劃分區域呢？每一區域內的文字字體、字號最好一致，沒有圖形、圖像，每一行的寬度一致，遇到長短不一，再細分，一般一次最多可掃描10個選區。根據不同情況，合理地設置識別區域的順序。不要嫌這個過程太煩，那可是提高識別率的有效手段。注意各識別區域不能有交叉，做到一切覺得完好以后再進行識別。這樣一般的識別率會在95%以上，對于識別不正確的文字進行校對后，就可以進入相應的文字處理軟件進行所需的處理了。 9．在放置掃描原稿時，把掃描的文字材料一定要擺放在掃描起始線正中，以最大限度地減小由于光學透鏡導致的失真。同時應保護掃描儀玻璃的干凈和不受損害。文字有一定角度的傾斜，或者是原稿文字部分為不正規排版，必須在掃描后使用旋轉工具，進行糾正；否則OCR識別軟件會將水平筆劃當做斜筆劃處理，識別正確率會下降很多。建議用戶盡量將掃描原稿放正，用工具旋轉糾正會降低圖像質量，使字符識別更加困難。 10．先"預覽"整體版面，選定要掃描的區域，再用"放大預覽"工具，選擇一小塊進行放大顯示到全屏幕，觀察其文字的對比度，文字的深淺濃度，據情況調整"閥值"的大小，最終要求文字清晰，不濃(文字成團)，不淡(文字斷筆伐)，一般在"閥值"80左右為宜，最后再掃描。 11．用工具擦掉圖像污點，包括原來版面中的不需要識別的插圖、分隔線等，使文字圖像中除了文字沒有一點多余的東西；這可以大提高識別率并減少識別后的修改工作。 12．如果要掃描印刷質量稍微差一些的文章，比如說報紙，掃描的結果將不會黑白分明，會出現大量的黑點，而且在字體的筆畫上也會出現粘連現象，這兩項可是漢字識別的大忌，將嚴重影響漢字識別的正確率。為獲得較好的識別結果，必須仔細進行色調調節，反復掃描多次才能獲得比較理想的結果。另外由于報紙很薄且大部分紙質不高，導致掃描儀上蓋板不能完全壓住報紙(有縫隙)，所以一般情況下報紙的掃描識別效果沒有雜志的效果好。解決辦法是在報紙上壓一至兩本16K的雜志，效果還是不錯的。

應用場景

百度AI開放平臺： http://ai.baidu.com/tech/ocr

遠程身份認證

結合OCR和人臉識別技術，實現用戶證件信息的自動錄入，并完成用戶身份驗證。應用于金融保險、社保、O2O等行業，有效控制業務風險 主要服務: 卡證識別 人臉核身解決方案

---

合作案例: 叭叭速配 云白條

內容審核與監管

自動識別圖片、視頻中的文字內容，及時發現涉黃、涉暴、政治敏感、惡意廣告等不合規內容，規避業務風險，大幅節約人工審核成本 主要服務: 網絡圖片文字識別 圖像審核 ?

紙質文檔票據電子化

通過OCR實現紙質文檔資料、票據、表格的自動識別和錄入，減少人工錄入成本，提高輸入效率

主要服務: 通用文字識別 表格文字識別

總結

以上是生活随笔為你收集整理的OCR光学字符识别技术及其应用场景的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。