導覽
近期變更
隨機頁面
新手上路
新頁面
優質條目評選
繁體
不转换
简体
繁體
3.142.134.48
登入
工具
閱讀
檢視原始碼
特殊頁面
頁面資訊
求真百科歡迎當事人提供第一手真實資料,洗刷冤屈,終結網路霸凌。
檢視 OCR 的原始碼
←
OCR
前往:
導覽
、
搜尋
由於下列原因,您沒有權限進行 編輯此頁面 的動作:
您請求的操作只有這個群組的使用者能使用:
用戶
您可以檢視並複製此頁面的原始碼。
{| class="https://cn.bing.com/images/search?view=detailV2&ccid=sF%2bGLWnh&id=09EC894F00E462B48E1D827AA4A91A530CDC244A&thid=OIP.sF-GLWnheSnMr7VUfXlrzgHaDg&mediaurl=https%3a%2f%2fpic.mairuan.com%2fWebSource%2fabbyy%2fnews%2fimages%2fa3f4f36fb455ad1969a4dda8b600a70660b842edb4b41.jpeg&exph=300&expw=634&q=OCR&simid=608050920470685619&FORM=IRPRST&ck=7DB12FAA1D60D48627C3D29F6C062731&selectedIndex=1&itb=0&ajaxhist=0&ajaxserp=0" style="float:right; margin: -10px 0px 10px 20px; text-align:left" |<center>'''OCR'''<br><img src=" https://pic.mairuan.com/WebSource/abbyy/news/images/a3f4f36fb455ad1969a4dda8b600a70660b842edb4b41.jpeg" width="280"></center><small> 圖片來自优酷</small> |} 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。 ==简介== 一个OCR识别系统,其目的很简单,只是要把[[影像]]作一个转换,使影像内的图形继续保存、有表格则表格内资料及影像内的文字,一律变成计算机文字,使能达到影像资料的储存量减少、识别出的文字可再使用及分析,当然也可节省因键盘输入的人力与时间。从影像到结果输出,须经过影像输入、影像前处理、文字特征抽取、比对识别、最后经人工校正将认错的文字更正,将结果输出。<ref>[https://baike.baidu.com/reference/4162921/533aYdO6cr3_z3kATPDZxP70MizFZIiuuLDUV-NzzqIP0XOpT5yrWZo7rtQxsfRvHQXKvp11c5lHxrr6CkJH5-hFIOg8SuN2nmupWmfL1OruqtgsndQS8JcQWq0f0qXx5E2o0XeUgfSI6g.中国国际广播电台 ,引用日期2022-03-23]</ref> 欲经过OCR处理的标的物须透过[[光学仪器]],如[[影像扫描仪]]、[[传真机]]或任何摄影器材,将影像转入计算机。科技的进步,扫描仪等的输入装置已制作的愈来愈精致,轻薄短小、品质也高,对OCR有相当大的帮助,扫描仪的分辨率使影像更清晰、扫除速度更增进OCR处理的效率。 影像预处理是OCR系统中,须解决问题最多的一个模块。影像须先将图片、表格及文字区域分离出来,甚至可将文章的编排方向、文章的提纲及内容主体区分开,而文字的大小及文字的字体亦可如[[原始文件]]一样的判断出来。对待识别图像进行如下预处理,可以降低特征提取算法的难度,并能提高识别的精度。 ==评价== 由于扫描和拍摄过程涉及人工操作,输入计算机的待识别图像或多或少都会存在一些倾斜,在对图像中印刷体字符进行识别处理前,就需要进行图像方向检测,并校正图像方向。 单以识别率而言,特征抽取可说是 OCR的核心,用什么特征、怎么抽取,直接影响识别的好坏,也所以在OCR研究初期,特征抽取的研究报告特别的多。而特征可说是识别的筹码,简易的区分可分为两类:一为统计的特征,如文字区域内的黑/白点数比,当文字区分成好几个区域时,这一个个区域黑/白点数比之联合,就成了空间的一个数值向量,在比对时,基本的[[数学理论]]就足以应付了。而另一类特征为结构的特征,如文字影像细线化后,取得字的笔划端点、交叉点之数量及位置,或以笔划段为特征,配合特殊的比对方法,进行比对,市面上的线上手写输入软件的识别方法多以此种结构的方法为主。 当输入文字算完特征后,不管是用统计或结构的特征,都须有一比对[[数据库]]或特征数据库来进行比对,数据库的内容应包含所有欲识别的字集文字,根据与输入文字一样的特征抽取方法所得的特征群组。 国内OCR识别简体差错率为万分之三,如果要求更高的精度需要投入更大的人工干预。繁体识别由于[[繁体字库]]的不统一性(民国时期的字库和现在繁体字库不统一),导致识别困难,在人工干预下,精度能达到90%以上 '''视频''' '''光学字符到底是如何识别的''' [https://haokan.baidu.com/v?pd=wisenatural&vid=9817322727186334915好看视频] ==参考文献== {{Reflist}} [[Category:312 電腦科學]]
此頁面使用了以下模板:
Template:Main other
(
檢視原始碼
)
Template:Reflist
(
檢視原始碼
)
模块:Check for unknown parameters
(
檢視原始碼
)
返回「
OCR
」頁面