Näyttely

Puhutaan tekstintunnistusohjelmasta OCR

Feb 18, 2019 Jätä viesti

Puhutaan tekstintunnistusohjelmasta OCR

Olemme suuri painotalo Shenzhenissä Kiinassa. Tarjoamme kaikki kirjajulkaisut, kovakantinen kirjapaino, paperi-kirjapainatus, kovakantinen muistikirja, sprial-kirjapaino, satulan kirjapainatus, vihkotulostus, pakkauslaatikko, kalenterit, kaikenlaiset PVC-tuotteet, tuote-esitteet, muistiinpanot, lasten kirja, tarrat, kaikki Erilaisia erikoispaperitulostustuotteita, pelikortteja ja niin edelleen.

Lisätietoja on osoitteessa

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

http://www.joyful-printing.net

http://www.joyful-printing.org

sähköposti: info@joyful-printing.net


Kiinalaisen merkkitunnistusohjelmiston tehtävänä on tutkia, miten tietokone voidaan tehdä lukutaidoksi. Järjestelmä käyttää yleensä valosähköistä muuntolaitetta kiinalaisen merkin tai sanakentän muuntamiseksi sähköiseksi signaaliksi ja lähettää sen tietokoneelle, jonka tietokone tunnistaa automaattisesti ja lukee, joten sitä kutsutaan optiseksi. Optisen merkin tunnistus (OCR).


OCR-kehitysprofiili


Saksalainen tiedemies Tausheck ehdotti ensimmäistä kertaa OCR: n käsitettä vuonna 1929. Myöhemmin amerikkalainen tutkija Handel ehdotti myös ajatusta teknologian käyttämisestä sanojen tunnistamiseen. Ensimmäiset tutkimukset kiinalaisten merkkien tunnustamisesta olivat Casey ja IBM IBM. Vuonna 1966 he julkaisivat ensimmäisen artikkelin kiinalaisten merkkien tunnistamisesta, joka käytti mallipohjaa 1000 painetun kiinalaisen merkin tunnistamiseksi. 1970-luvun alussa japanilaiset tutkijat alkoivat opiskella kiinalaista merkin tunnistusta ja teki paljon työtä. Kiinalaisen hahmotunnistuksen tutkimus Kiinassa alkoi suhteellisen myöhään, ja OCR: n tutkimustyö alkoi 1970-luvun lopulla. Varhainen OCR-ohjelmisto ei kyennyt täyttämään todellisia vaatimuksia, jotka johtuivat erilaisista tekijöistä, kuten tunnistusasteesta ja tuotannosta. Samaan aikaan laitteistolaitteiden korkeiden kustannusten ja hitaan käyttönopeuden vuoksi se ei ole saavuttanut käytännön tasoa. OCR-ohjelmistoja käyttävät vain tietyt osastot, kuten tiedotusosastot, lehdistö- ja julkaisuyksiköt. Vuoden 1986 jälkeen Kiinan OCR-tutkimus on edistynyt hyvin, ja se on tehnyt innovaatioita kiinalaisten merkkien mallintamiseen ja tunnistamiseen. Se on saavuttanut hedelmällisiä tuloksia järjestelmän kehittämisessä ja kehittämisessä. Monet yksiköt ovat käynnistäneet kiinalaiset OCR-tuotteet. 1990-luvun jälkeen, laajalla alustan skannereilla ja tietotekniikan ja toimistoautomaation suosioilla Kiinassa, OCR-tekniikan kehittämistä on edistetty huomattavasti, ja tekstintunnistuksen tunnistusnopeus on tunnistettu, ja tunnistusnopeus on tyytyväinen käyttäjille. Vaatimus.


Tällä hetkellä on monia suosittuja OCR-ohjelmistoja. Englanninkielinen tekstintunnistus sisältää lähinnä OmniPage-ohjelmiston, Kiinan OCR: n, lähinnä Tsinghuan Unisplendourin OCR: n, Tsinghuan Wentongin OCR: n, Hanwang OCR: n, Zhongjing Shangshun OCR: n, Danqing OCR: n ja Mengyu OCR: n. Huolimatta suuresta määrästä kiinalaisia merkkejä ja monimutkaisia fontteja, OCR-tekniikka on kypsynyt. Monet OCR-ohjelmat eivät tunnista ainoastaan mustia ja valkoisia painettuja kiinalaisia merkkejä, vaan myös tunnistavat harmaasävyisiä ja värillisiä kiinalaisia merkkejä. Tunnistusnopeus on nopea ja tunnistusnopeus on yli 99%. Se voi tunnistaa erilaisia fontteja, kuten Song, Bold ja Scorpion. perinteiset; voi tunnistaa erilaisia kirjasimia, eri kirjasinkokoja; Jotkin OCR-ohjelmistot voivat myös tunnistaa kuvia, taulukoita. Samalla on tapahtunut paljon edistystä käsinkirjoitettujen kiinalaisten merkkien tunnistamisen tutkimuksessa, ja oikea tunnistusaste on saavuttanut yli 70%.


OCR-sovellus


Skannerimarkkinoilla on monenlaisia toimisto- ja kodinlukijoita OCR-ohjelmistolla. Esimerkiksi violetti skanneri on varustettu violetilla OCR: llä, kristalliskanneri on varustettu Shangshu OCR: llä ja Mustek-skanneri on varustettu Danqing OCR: llä. Skanneri ja OCR-ohjelmisto jakavat koko prosessin asiakirjan syöttämisestä tekstin tunnistamiseen.


Asiakirjan skannausta käytetään usein toimistokentässä. Sanomalehtien, aikakauslehtien jne. Julkaisuihin liittyvät asiakirjat skannataan skannerilla, ja sitten OCR-tunnistus suoritetaan tai tallennetaan kuvatiedostona myöhempää OCR-tunnistusta varten, ja kuvatiedostot muunnetaan tekstiksi. Tiedosto tai Word-tiedosto tallennettavaksi.


Lisäksi digitaalisen informaation tallentaminen ja siirtäminen ei ole vain alhainen, kustannustehokas, vaan myös sovitettavissa muotoilun ja verkkolähetyksen kehittymättömiin tarpeisiin. Tällä hetkellä Kiinassa on paljon paperiarkkeja, kuten kirjoja, sanomalehtiä, aikakauslehtiä ja niin edelleen, ja ne on kiireellisesti muutettava sähköiseksi tiedoksi. Esimerkiksi sähköisen kirjaston perustaminen edellyttää, että kirjat skannataan sivuittain, ja OCR-ohjelmiston tunnistaminen korvaa sanojen manuaalisen kirjoittamisen, mikä lyhentää merkittävästi saapumisaikaa, vähentää työvoiman intensiteettiä, säästää työvoimaa ja vähentää kustannuksia. Paranna sisäänpääsyn, työn tehokkuuden ja nykyaikaisen toimistoautomaation tarkkuutta.


Tällä hetkellä OCR-ohjelmistojen ja skannerien yhdistelmää on sovellettu monille tietokauden aloille, kuten digitaaliset kirjastot, erilaisten raporttien tunnistaminen sekä pankki- ja verojärjestelmän standardien tunnistaminen. Verkon ja tiedon kehittämisen ja suosion myötä sen sovellusalue laajenee.


OCR-järjestelmän kokoonpano


Kiinalaisen merkintunnistusohjelmiston OCR: n tehtävänä on tunnistaa jokaisen kiinalaisen merkin, joka on tallennettu kiinalaisiin merkkeihin, tulosteisiin tai käsinkirjoituksiin tietokoneella, erilaisia grafiikoita tai kuvia ja merkitä kiinalaisia merkkiluokkakoodeja. Siksi kiinalaisten merkkien tunnistaminen on lopulta kuvan tunnistamisen ongelma. Kiinalaisten merkkien, eri fonttien, fonttien ja monimutkaisten rakenteiden suuren määrän vuoksi kiinalaisten merkkien tunnistamisen prosessi on erittäin monimutkainen. OCR-ohjelmiston työnkulun kaavio, kuten seuraavassa taulukossa esitetään:


Asiakirjan tiedot → skannaustulo → kuvankäsittely → ulkoasu → tekstin tunnistaminen → tekstin muokkaus → asiakirjan tallennus


Skannerien suosion ja laajan soveltamisen vuoksi OCR-ohjelmiston tarvitsee vain tarjota rajapinta skanneriin ja käyttää skanneriohjainohjelmistoa. Siksi OCR-ohjelmisto koostuu pääasiassa kuvankäsittelymoduulista, asettelujako-moduulista, tekstintunnistusmoduulista ja tekstin muokkausmoduulista.


1. Kuvankäsittelymoduuli

Kuvankäsittelymoduulissa on pääasiassa asiakirjojen skannaus, kuvan skaalaus ja kuvan kierto. Skannerin syöttämisen jälkeen asiakirja muodostaa kuvatiedoston, ja kuvankäsittelymoduuli voi suurentaa kuvaa tahrojen ja naarmujen poistamiseksi. Jos kuvaa ei kierretä oikein, kuvaa voidaan kääntää manuaalisesti tai automaattisesti, jotta tekstin tunnistamiseen voidaan luoda paremmat edellytykset. Tunnistusaste on korkeampi.


2. Asettelujako

Ulkoasun jakautumismoduuli sisältää pääasiassa ulkoasun jaon ja muutoksen jakautumisen, ts. Ulkoasun ymmärtämisen, sanan segmentoinnin, normalisoinnin jne. Sekä automaattisen tai manuaalisen asettelun. Tarkoituksena on kertoa OCR-ohjelmistolle erottaa artikkelit, taulukot jne. Samassa asettelussa, jotta ne voidaan käsitellä erikseen ja missä järjestyksessä.


3. Tekstin tunnistusmoduuli

Tekstintunnistusmoduuli on OCR-ohjelmiston ydin, yksinkertainen tekstin tunnistusprosessikaavio, kuten alla on esitetty. Tekstintunnistusmoduuli suorittaa pääasiassa "lukemisen" tulon kiinalaisilla merkkeillä, mutta se ei voi olla monirivinen ja se on leikattava viivoittain. Kiinalaiset merkit tunnistetaan yleensä yhdellä sanalla ja yhdellä sanalla, toisin sanoen yhdellä sanalla, ja sitten normalisoidaan. Tekstin tunnistusmoduuli poimii kiinalaisten eri merkkien ominaisuuksia, täydentää tunnistamisen, löytää automaattisesti epäilyttävät sanat ja sillä on toimintoja, kuten ennen ja jälkeen yhdistämistä.


Skannaustulon alkuperäinen → linjaleikkaus → sanan leikkaus → naturalisointi → tunnistusominaisuuden poisto → sanan tunnistus ┐ ┐

└- → Pre-luokitteluominaisuuden poisto → Ominaisuuskirjasto (sanakirja) → Tulostuksen käsikirjoitus


4. Tekstin muokkausmoduuli

Tekstin muokkausmoduuli muuntaa ja muokkaa pääasiassa tekstintunnistuksen tunnistettua tekstiä. Jos järjestelmä tunnistaa, että se on väärä, teksti näkyy lihavoituna punaisena tai sinisenä ja antaa samanlaisen tekstin valittavaksi ja valitse editori.


OCR-ohjelmiston käyttäminen


Vaikka OCR-ohjelmistoja on useita, niiden käyttö on samanlainen. Ensimmäinen vaihe on skannata asiakirja ja suorittaa OCR-tunnistus. OCR-ohjelmiston käyttö on seuraava:


1. Asiakirjan skannaus

OCR-ohjelmiston käyttämiseksi tekstin tunnistamiseen asiakirjoja voidaan skannata suoraan OCR-ohjelmistossa. Kun olet suorittanut OCR-ohjelmiston, OCR-ohjelmiston käyttöliittymä tulee näkyviin.


Aseta skannattava asiakirja skannerin lasipuolelle siten, että skannattava puoli on skannerin lasin puolella, kun asiakirjan yläpää on alaspäin, viivaimen reunan suuntainen, ja skanneri on sitten peittoon valmistautua skannaukseen. Napsauta "Skannaa" -painiketta ikkunassa päästäksesi skannausohjainohjelmistoon skannausta varten. Skannausmenetelmää ei kuvata tässä. On kuitenkin huomattava, että resoluutio voidaan asettaa arvoon 200 ~ 400 dpi. Tekstiasiakirjojen osalta on tärkeää säätää kirkkautta.


2. OCR-tunnistus

Toiminnon helpottamiseksi valitse valikosta valinnat ja ikkunan vasemmalla puolella näkyy erilaisia kuvakkeita.

Käytä parempaa käyttöä varten ensin kuvaketta näytön vasemmalta puolelta ylhäältä alas:


"Lähennä" -työkalu: kuvan suurentamiseen; "zoom out" -työkalu: kuvan pienentämiseksi; "tunnistusalueen asettaminen" työkalu: tunnistusalueen asettamiseksi; "tunnistusjärjestyksen asettaminen" -työkalu: tunnistusjärjestyksen asettamiseksi; Poista tunnistusalueen työkalu: poista tunnistusalue; "Erase Image Noise" -työkalu: poistaa alueen kuvasta; "Kierrä kuva" -työkalu: kuvan kääntäminen 90 °, 180 ° tai 270 °; Kallistuksen korjaustyökalu: Kuvan manuaalisen kallistuksen korjaukseen.


OCR-tunnistuksen yleiset vaiheet:


(1) Kun asiakirja on skannattu, ikkunassa näkyvä tunnistettava teksti on hyvin pieni. Valitse ensin "Zoomaa" -työkalu, jolla voit suurentaa kuvaa, jotta kuva olisi selkeämpi. Tarvittaessa voit myös valita "zoom out" -työkalun pienentääksesi näytön kokoa asianmukaisesti.

(2) Jos näyttöä on pyöritettävä 90 °, 180 ° tai 270 °, käännä kuvaa kääntämällä Rotate Image -työkalua. Jos tekstinäyttö on kallistettu, valitse kallistuskorjaustyökalu näytön säätämiseksi.

(3) Valitse "Tunnistusalue" -työkalu tunnistuksen aikana ja rajaa tunnistettava alue merkkinäyttöön. Tässä tapauksessa useita alueita voidaan rajata näytön tilan mukaan. Jos kehystetty alue on väärä, voit poistaa valitun tunnistetun alueen Poista tunnistusalue -työkalun avulla.

(4) Tunnistusnopeuden parantamiseksi, jos valitussa tunnistusalueessa on kohinaa tai tunnistamaton kuva, "Erase Image Noise" -työkalu voidaan valita poistamaan kohina bittittäin. Jos haluat poistaa kappaleet, voit valita Pyyhi kuvan esto -työkalun.

(5) Napsauta ”Tunnista” -kuvaketta, sitten OCR-näyttö suorittaa tekstin segmentoinnin ja siirtää sitten ”Tunnistaminen” -näyttöön, ja tunnistettu teksti näytetään vaiheittain ja siirretään sitten Dokumentin oikoluku -ikkunaan esitetty.

Monissa OCR-ohjelmissa on tekstin muokkaustoiminto, joka tunnistaa tekstin, joka voi olla virheellinen, näkyy selkeässä värissä ja jota voidaan muokata.

(6) Säilytä tunnistettu tiedosto tekstin (TXT) tai Word RTF-tiedoston muodossa.

Lähetä kysely