ＯＣＲ汉字识别系统获取纸质图片资料文字信息技巧 １９ｌ ＯＣＲ汉字识别系统获取纸质图片资料文字信息技巧 钟子结韦军 朱凤印 （吉林大学教育技术中心吉林长春１３００１２） 摘要：ＯＣＲ汉字识别系统通过扫描仪扫描，能快速将纸质文本信息转换成ｗｏｒｄ可编辑文本，极大地提高了 工作效率。因此汉字ＯＣＲ识别技术有着广泛的发展前途及实际应用价值，文章提到的具体操作方法可以有效地 应用于实际工作当中 供同行参考。 关键词：ＯＣＲ汉字识别系统原理方法技巧 中图分类号：ＴＰ３９１文献标识码：Ａ文章编号：１００９－５３４９（２０１７）１６－０１９１－０３ 一、什么是ＯＣＲ？ 纸质资料。 ＯＣＲ是（Ｏｐｔｉｃａｌ Ｃｈａｒａｃｔｅｒ Ｒｅｃｏｇｎｉｔｉｏｎ）的缩写，即光 予处理器是指对印刷的纸质资料文稿页．进行成分分 学字符识别．也可简称文字识别。它的工作原理就是通过 电子设备检查纸质资料上打印的字符．采用光电转换装置 将汉字或字符转换成电信号。并由计算机进行检测暗、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。… 衡量ＯＣＲ系统性能优劣主要指标有：拒识率、误识 析、字符的分割、去干扰等。 后处理器是对识别后的词组、词条和上下文关系进行 后期纠错、输出。 三、ＯＣＲ适合对象＿４］ （１）印刷行业、文印店经常会遇到客户只给你一本厚 厚的宣传册，要明天之前必须把那本宣传册上的文字原原 本本打出来。ＯＣＲ能极大地减轻录入工作强度、提高录入 速度，是非常快捷、省力的好帮手。 （２）办公室工作人员经常会遇到要马上把纸质文本打 印成Ｗｏｒｄ文档的工作，对于打字慢或是懒得打字的人，为 了完成工作任务。ＯＣＲ是非常好的选择。 （３）其他对象：广泛应用于网上资源数据库、数字化 图书馆、档案部门，尤其是对于原始纸质文件、档案、书 稿等的引用、检索数字化工作，ＯＣＲ能轻松提高效率。 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。＿２ 早期的ＯＣＲ软件在识别率等方面不是很 理想。文字识别的工作只能由简单的识别软件逐字进行， 无法分辨不同的字体，对于手写体或是印刷效果不清晰的 印刷品，在识别上有一定的难度。有人做过实验，对于印 刷品模糊或是手写体过于潦草的汉字，识别后的修改时间 与正常打字的速度相差不多，有时甚至还赶不上人工打字 的速度。但是随着这项技术的日趋成熟，识别软件已经进 入了人工智能阶段，它不仅能识别黑白印刷体汉字，还能 识别灰度和彩色印刷体汉字．识别正确率能达到９９％．对 四、ＯＣＲ系统识别汉字的方法 文字识别模块是ＯＣＲ软件的核心部分．它主要对输入 的汉字进行“阅读”，但不能一目多行，必须逐行切割． 一于手写汉字识别率已达到７０％以上，对于大批量的印刷文 字向电子文档的输入，ＯＣＲ汉字识别效率与识别率都能让 用户十分满意。［３－１２ ３ 个个字的辨认，即单字识别，再进行归一化。文字识别 模块通过对不同样本汉字的特征进行提取．完成识别。自 动查找可疑字，具有前后联想等功能。［４ （一）汉字识别所需硬件、软件 一二、原理与功能模块ｆ４］ ＯＣＲ的功能是将各种录入汉字、印刷体或手写体中每 个汉字的图形或图像通过计算机辨认出来．并标出汉字类 别代码，从而获取文字及版面信息的过程。ｌ２］因此，汉字识 别归根结底是一个图像识别问题。由于汉字信息量很大． 般来说进行汉字识别只需要一台计算机、扫描仪即 可。ＯＣＲ汉字识别软件在购买扫描仪时会自带．安装在本 机上运行即可。不同的扫描仪所附带的ＯＣＲ汉字识别软件 是不一样的。目前，市面上的ＯＣＲ软件有丹青、汉王、蒙 具有不同的字形、字体，而且结构复杂，因此汉字识别的 过程极其复杂。汉字识别系统可由汉字图形输入装置、予 处理器、识别器、后处理器几部分组成。如图ｌ所示。 恬ＯＣＲ、清华紫光、尚书等。ＯＣＲ软件的种类虽然很多， 但其使用方法大同小异。现以清华紫光０ＣＲ２００３专业版为 例，介绍其具体操作过程和使用技巧。【５ 清华紫光 ＯＣＲ２００３专业版具有识别率高、支持表格识别等特点，流 国一因一目一因 图１ 程分为四步：获取识别图像；图像版面处理；识别及修改； 结果输出。ｌ６ （二）设置扫描模式及扫描 汉字图形输入装置主要功能是通过光、电输入设备， 将原稿转换成二维点阵图形。所谓的原稿指的就是印刷的 在本机上安装好清华紫光ＯＣＲ２００３千禧版之后双击桌 作者简介：钟子酷，吉林大学教育技术中心高级工程师，硕士，研究方向：教育技术；通讯作者：韦军，吉林大学教育技术中心，硕 士，研究方向：教育技术；朱凤印，吉林大学教育技术中心工程师，本科，研究方向：教育技术。 ，９２ 现代交际・２０１７年ｌ６期 面图标，打开扫捕仪对扫描参数进行设置。如果选择“直 接终扫”．系统只进行一次扫描。“直接终扫”能节约时 间，但是前提是要把需识别的纸质文本在扫描仪中放好， 扫描时尽量不要出现歪斜现象。 ・手写体——要求笔记规范、不潦草 （２）在展开的左侧面板下扣列表中选择“ＴＭＰ００００． ＴＸＴ”，同时。软件右侧会自动 示需识别的扫描文字．如 图３所示 扫描时采用的分辨率是识别过程的关键。一般杂志或 报纸需３００ｄｐｉ的分辨率就能足够供ＯＣＲ产生良好的识别效 果，以激光打印机输出设备的纸质文件在３００ｄｐｉ的扫描品 质下，识别率可以达到９９％ 扫描完成后．利用紫光 图３ ＯＣＲ２００３千禧版对该纸质文件进行识别。拖动中间或是右 侧丁作区域内的蓝色线框，可调整识别范围，框选部分颜 色会以黄色 示．如罔２所示。、 （３）点击ＯＣＲ系统工具条中的【全部识别】＿礴按钮 之后，面板被分为上下两部分，如图４所示，其中上部分 示已经识别Ｈ｛来的字符，下半部分是扫描原稿 识别体 现ＯＣＲ的核心技术。从扫描文本中分检ｆＩＩ的文字图像，计 算机根据方案的笔面、特征点、投影信息、点的区域分布 等进行分析，并将其转变成文字的标准代码的过程。ｌｌ 闸略识州范嘲 调整后散 图２ 黧糍 一： ： 论文投稿要求 吉韩省｛Ｉ物院掌术讨论套参会八员忸限奉单位在职职工【 “ 工）．‘吉抖省博袖院文集’收录参台人盟握交始学术讨论袅 ｅ＿， （三）倾斜矫正和版面分析 ＯＣＲ系统有自动倾斜矫正和手动倾斜矫正两种方式， 建议使用自动倾斜矫正。由于印刷和用户多方面操作的原 因，扫描得到的图像可能有一定的倾斜角度．尤其是小的 倾斜角度，在扫描中难以避免，倾斜角度小ＯＣＲ系统可以 自动适应，无须任何处理就可识别：倾斜角度小于１ｏ＿＿ｌ５ 度时可以先进行倾斜矫正，然后再进行识别处理：如果倾 斜角度大于Ｉ５度的图像，建议重新扫描。 。 图４ 罔中醒目的红色汉字，表示系统识别认为有误，需要 版面分析是指将扫描得到的图像．划分｝｝｛每一个［ｘ二域 块，目的是告诉ＯＣＲ软件将同一版面的文章、表格等分 开，以便于分别处理，并按照一定的顺序进行识别。对于 进一步识别和确认 同时，系统还提供了相似的文字供选 择。因为大部分汉字已经被识别，红颜色显示的只有小部 分，需要使朋者逐个比对。如果想要对于识别过的罔像进 行再次识别，系统会出现对｝舌框，提示是否覆盖已有的识 别结果 划分出的区域范围。简单的图像版式笔者建议使用自动分 析，报刊等复杂版式建议采用手动分析．以免遗漏所要识 别的文字 、 （四）进行文字识别 （４）对已识别的文字进行保存。点击【导出】按钮 一【保存类型】一】，或Ｗｏｒｄ的ＲＴＦ文件，文件名 为“扫描ｌ”。用记事本打开识圳“扫描１”文件并将其拷 贝／粘贴在ｗｏｒｄ中，对其进行编辑和格式调整即可。 扫描后的图像文件，经过倾斜矫正、版面分析等处理 后，即可进入识别阶段。识别窗口菜单栏上有“横排正 文”按钮匿和“竖排文字”按钮 ，如果没有其他的 五、结语 使 ｝｛＝＝ｌ ＯＣＲ软件时要保证Ｅ；ＰＢ０品的清晰度．是真正提高 复杂的内容，一般默认用匮就可以，不用进行版面分析 就能识别。识别是ＯＣＲ系统的核心．为了保证正确地识 别，应按以下的步骤进行。 ］二作效率的关键，如何除错或利用辅助信息提高识别正确 率，仍是ＯＣＲ最重要的课题．． 参考文献： （１）选择正确地识别字体。 选择丁具面板上的 而蓐 ・按钮旁边的小黑ｉ角，根据识别网像的 具体情况选择字体。 简体多体（印刷体）——常见的宋体、仿宋体、黑 繁体多体（印刷体）——常见的宋体、仿宋体、黑 纯英文（印刷体）——常见的英文多种字体 体、楷体、圆体 ・［１］徐永芳．ＯＣＲ技术在档案数字化过程中的应用 ［Ｊ］．艺术科技，２０１ｌ（２）． ［２］ＯＣＲ文字识别系统［ＥＢ／ＯＬ］．ｈｔｔｐ：／／ｚｈｉｄａｏ． ｂａｉｄｕ．ｃｏｒｎ／ｑｕｅｓｔｉｏｎ／２７７５９４０５５．ｈｔｍｌ，２０１ １－０６－０９． 体、楷体、圆体 ・（下转第１９０页） ９Ｏ 现代交际・２０１７年１６期 实施人才强国战略的根本。管理的核心实质上就是人才的 管理，人才管理的目的是最大限度地发挥每个人才的作用， 人才管理的作用是最大限度发挥国家管理系统的整体功能。 ３．做到人才这种重要资源的优化配置 清代思想家魏源说过：不知人之短，不知人之长，不 知人长中之短，不知人短中之长，则不可以用人。如果可 理，使唐朝初期能够广纳天下的贤才，并充分发挥他们治 国理政的才能，开创了一代盛世。在当今世界，人才的培 养、人才的素质、人才的使用，决定了一个国家的发展潜 力，我们必须建立和完善科学人才管理体系．我国社会主 义建设事业才能始终充满生机和活力，不断增强我国的综 合竞争力。 以发挥每位人才的特长。并使之组成结构合理的一个群体， 就能放大每位人才的作用，倍数提升其整体的作用能效。 而对每位人才个体而言，其术业有专攻，有的善于带军打 仗，有的长于经济建设，有的精于社会治理。领导者应综 参考文献： ［１］魏晓彤．唐太宗的人才思想与现代人才管理［Ｊ］． 科学与管理，２００４（５）：４７—４９． 合考虑他们的才能特长，优化组合，使他们能够作为一个 整体，形成人才的聚集效应，放大人才的个人能力及作用 的发挥。树立起人才是社会、科技、军事、经济发展最重 ［２］熊苹．唐太宗的用人思想及其影响［Ｊ］．船山学 刊，２００３（２）：８８—８９． ［３］张东光．唐代担保文书在科举和铨选考试中的作 用，山西档案，２０１３（６）：７８—８０． ［４］马永忠．唐太宗的人才观及其启示［Ｊ］．甘肃高 师学报，２００７（４）：１２８—１３０． 要资源的理念，积极为人才干事、创业营造良好外部环境， 为他们提供创业的机会、施展才能的舞台、个人发展的空 间，做到人才这种重要资源的优化配置。 总的看来，唐太宗对人才的管理，能够坚持客观标准， 明察得失，综合考虑．提倡人才的实际工作能力，根据品 德行为．舍人所短，用人所长，并能新旧亲疏并举．广开 ［５］曹华．唐太宗李世民用人思想浅析［Ｊ］．新乡教 育学院学报，２００４（６）：ｌ９—２Ｏ． 责任编辑：孙瑶 才路，正是这种在当时来看是科学、适当的人才使用与管 （上接第１９２页） ［３］白桦．提高ＯＣＲ识别率［Ｊ］．电脑知识与技术， ２００４（３４）：４． ［１２］深入探究光学字符识别软件——０ｃＲ［ＥＢ／ＯＬ］ ２００４—０５—１３［２０１２—０３—０８］．ｈｔｔｐ：／／ｉｎｆｏ．ｐｒｉｎｔｉｎｇ．ｈｃ３６０ ｃｏｒｎ／ＨＴＭＬ／００１／０１０／００１／２９９５２．ｈｔｍ． ［４］丁龙，陆俞，颜世崇．汉字ＯＣＲ的原理、方法与 应用［Ｊ］．高师理科学刊，１９９８，１８（６）：１９－２１． ［５］王桂敏，齐凤河．ＯＣＲ软件使用经验浅谈［Ｊ］．科 技信息，２００６（６）：１８． ＯＣＲ Ｃｈｉｎｅｓｅ ｃｈａｒａｃｔｅｒ ｒｅｃｏｇｎｉｔｉｏｎ ｓｙｓｔｅｍ ｔｏ ｏｂｔａｉｎ ｐａｐｅｒ ｐｉｃｔｕｒｅ ｉｎｆｏｒｍａｔｉｏｎ ｔｅｘｔ ｉｎｆｏｒｍａｔｉｏｎ ｓｋｉｌｌｓ ［６］詹庄影．ＯＣＲ文字识别系统使用技巧［Ｊ］．华南 金融电脑，２００２（１１）：８１． ＺＨＯＮＧ Ｚｉｚｈｅ， ＷＥＩＪＵＮ，ＺＨＵ ｆｅｎｇｙｉｎ Ｅｄｕｃａｔｉｏｎａｌ Ｔｅｃｈｎｏｌｏｇｙ Ｃｅｎｔｅｒ，Ｊｉｌｉｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇ・ ｃｈｕｎ １３００１２，Ｃｈｉｎａ Ａｂｓｔｒａｃｔ：ＯＣＲ Ｃｈｉｎｅｓｅ ｃｈａｒａｃｔｅｒｓ ｒｅｃｏｇｎｉｔｉｏｎ ｓｙｓｔｅｍ ｉｓ ｓｃａｎｎｅｄ ｂｙ ａ ｓｃａｎｎｅｒ，ｃａｎ ｑｕｉｃｋｌｙ ｂｅ ｐａｐｅｒ ｔｅｘｔ ｉｎｆｏｒｍａｔｉｏｎ ｉｎｔｏ ［７］印刷体ＯＣＲ识别技术［Ｊ］．企业标准化，２００４ （５）：４４． ［８］蓝色理想．ＯＣＲ图片文字识别图解教程［ＥＢ／ ＯＬ］．２００６－１１－２０［２００１２－０３－０８］．ｈｔｔｐ：／／ｗｗｗ．ｂｌｕｅｉｄｅａ． ｃｏｒｎ／ｃｏｍｐｕｔｅｒ／ｓｏｆｔ／２００６／４２７８．ａｓｐ． Ｗｏｒｄ ｅｄｉｔａｂｌｅ ｔｅｘｔ，ｉｍｐｒｏｖｅｄ ｗｏｒｋ ｅｆｆｉｃｉｅｎｃｙ ｇｒｅａｔｌｙ，ＳＯ ｔｈｅ Ｃｈｉｎｅｓｅ ｃｈａｒａｃｔｅｒｓ ＯＣＲ ｒｅｃｏｇｎｉｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｈａｓ ａ ｂｒｏａｄ ｄｅ— ｖｅｌｏｐｍｅｎｔ ｐｒｏｓｐｅｃｔｓ ａｎｄ ｐｒａｃｔｉｃａｌ ｖａｌｕｅ，ｔｈｉｓ ａｒｔｉｃｌｅ ｒｅｆｅｒｓ ｔｏ ｔｈｅ ［９］可可豆．自己动手提高ＯＣＲ识别率［Ｊ］．广东电 脑与电讯，２００３（３）：８１． ｓｐｅｃｉｆｉｃ ｏｐｅｒａｔｉｏｎ ｍｅｔｈｏｄ ｃａｎ ｂｅ ｅｆｆｅｃｔｉｖｅｌｙ ａｐｐｌｉｅｄ ｉｎ ｐｒａｃｔｉｃａｌ ｗｏｒｋ，ｆｏｒ ｒｅｆｅｒｅｎｃｅ． ［１０］ＯＣＲ文字识别技术［ＥＢ／ＯＬ］．２００６—０３—０７ ［２００１２—０３—０８］．ｈｔｔｐ：／／ｎｅｗｓ．ｐａｃｋ．ｃｎ／ｐａｃｋｔｅｅｈｎｏｌｏｇｙ／ ｂｚｘｊｓ／２００６—０３／２００６０３０７１４０５０３０９．ｓｈｔｍ１． Ｋｅｙ ｗｏｒｄｓ：ＯＣＲ Ｃｈｉｎｅｓｅ ｃｈａｒａｃｔｅｒｓ ｒｅｃｏｇｎｉｔｉｏｎ ｓｙｓｔｅｍ， Ｐｒｉｎｃｉｐｌｅ，Ｍｅｔｈｏｄ，Ｓｋｉｌｌ， ［１１］浅谈文字识别软件ＯＣＲ［ＥＢ／ＯＬ］．ｈｔｔｐ：／／ｗｅｎ－ ｋｌｌ ｈａｉｄｌ】． ｎｍ／ｖ ｉｅｗ／５９６１ ｅｌ６８ａｆ１ ｆ ４ｆｆｅ４７ａｅ５８．ｈｔｍ１． 责任编辑：孙瑶