OCR可以說(shuō)是一種不確定的技術(shù)研究，正確率就像是一個(gè)無(wú)窮趨近函數

  OCR（Optical Character Recognition，光學(xué)字符識別），是屬于圖型識別（Pattern Recognition，PR）的一門(mén)學(xué)問(wèn)。其目的就是要讓計算機知道它到底看到了什么，尤其是文字資料。

    由于OCR是一門(mén)與識別率拔河的技術(shù)，因此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(chǎn)生。而根據文字資料存在的媒體介質(zhì)不同，及取得這些資料的方式不同，就衍生出各式各樣、各種不同的應用。

一、OCR的發(fā)展

    要談OCR的發(fā)展，早在60、70年代，世界各國就開(kāi)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(kāi)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(kāi)始有一些簡(jiǎn)單的產(chǎn)品，xsjqq.com 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(yè)；也因此至今郵政編碼一直是各國所倡導的地址書(shū)寫(xiě)方式。

    OCR可以說(shuō)是一種不確定的技術(shù)研究，正確率就像是一個(gè)無(wú)窮趨近函數，知道其趨近值，卻只能靠近而無(wú)法達到，永遠在與100%作拉鋸戰。因為其牽扯的因素太多了，書(shū)寫(xiě)者的習慣或文件印刷品質(zhì)、掃描儀的掃描品質(zhì)、識別的方法、學(xué)習及測試的樣本……等等，多少都會(huì )影響其正確率，也因此， OCR的產(chǎn)品除了需有一個(gè)強有力的識別核心外，產(chǎn)品的操作使用方便性、所提供的除錯功能及方法，亦是決定產(chǎn)品好壞的重要因素。

    一個(gè)OCR識別系統，其目的很簡(jiǎn)單，只是要把影像作一個(gè)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(pán)輸入的人力與時(shí)間。

    從影像到結果輸出，須經(jīng)過(guò)影像輸入、影像前處理、文字特征抽取、比對識別、最后經(jīng)人工校正將認錯的文字更正，將結果輸出。在此逐一介紹：

    影象輸入：欲經(jīng)過(guò)OCR處理的標的物須透過(guò)光學(xué)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�？萍嫉倪M(jìn)步，掃描儀等的輸入裝置已制作的愈來(lái)愈精致，輕薄短小、品質(zhì)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(jìn)OCR處理的效率。

    影像前處理：影像前處理是OCR系統中，須解決問(wèn)題最多的一個(gè)模塊，從得到一個(gè)不是黑就是白的二值化影像，或灰階、彩色的影像，到獨立出一個(gè)個(gè)的文字影像的過(guò)程，都屬于影像前處理。包含了影像正規化、去除噪聲、影像矯正等的影像處理，及圖文分析、文字行與字分離的文件前處理。在影像處理方面，在學(xué)理及技術(shù)方面都已達成熟階段，因此在市面上或網(wǎng)站上有不少可用的鏈接庫；在文件前處理方面，則憑各家本領(lǐng)了；影像須先將圖片、表格及文字區域分離出來(lái)，甚至可將文章的編排方向、文章的提綱及內容主體區分開(kāi)，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(lái)。

    文字特征抽�。�?jiǎn)我宰R別率而言，特征抽取可說(shuō)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(shuō)是識別的籌碼，簡(jiǎn)易的區分可分為兩類(lèi)：一為統計的特征，如文字區域內的黑/白點(diǎn)數比，當文字區分成好幾個(gè)區域時(shí)，這一個(gè)個(gè)區域黑/白點(diǎn)數比之聯(lián)合，就成了空間的一個(gè)數值向量，在比對時(shí)，基本的數學(xué)理論就足以應付了。而另一類(lèi)特征為結構的特征，如文字影像細線(xiàn)化后，取得字的筆劃端點(diǎn)、交叉點(diǎn)之數量及位置，或以筆劃段為特征，配合特殊的比對方法，進(jìn)行比對，市面上的線(xiàn)上手寫(xiě)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(lái)進(jìn)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(fā)揮數學(xué)運算理論的一個(gè)模塊，根據不同的特征特性，選用不同的數學(xué)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(dòng)態(tài)程序比對法（Dynamic Programming，DP），以及類(lèi)神經(jīng)網(wǎng)絡(luò )的數據庫建立及比對、HMM（Hidden Markov Model）…等著(zhù)名的方法，為了使識別的結果更穩定，也有所謂的專(zhuān)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(wú)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(gè)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(guān)卡，在此之前，使用者可能只是拿支鼠標，跟著(zhù)軟件設計的節奏操作或僅是觀(guān)看，而在此有可能須特別花使用者的精神及時(shí)間，去更正甚至找尋可能是OCR出錯的地方。一個(gè)好的OCR軟件，除了有一個(gè)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(wèn)題的字詞，都是為使用者設計盡量少使用鍵盤(pán)的一種功能，當然，不是說(shuō)系統沒(méi)顯示出的文字就一定正確，就像完全由鍵盤(pán)輸入的工作人員也會(huì )有出錯的時(shí)候，這時(shí)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：其實(shí)輸出是件簡(jiǎn)單的事，但卻須看使用者用OCR到底為了什么？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(wú)論怎么變化，都只是輸出檔案格式的變化而已。