OCR識別的技術流程解析1

一、 OCR識別預處理：灰度化（如果是彩色影像）、降噪、二值化、字元切分以及歸一化這些子步驟。經過二值化後，影像只剩下兩種顏色，即黑和白，其中一個是影像背景，另一個顏色就是要識別的文字了；降噪在這個階段非常重要，降噪演算法的好壞對特徵提取的影響很大。字元切分則是將影像中的文字分割成單個文字——識別的時候是一個字一個字識別的。如果文字行有傾斜的話往往還要進行傾斜校正。歸一化則是將單個的文字影像規整到同樣的尺寸，在同一個規格下，才能應用統一的演算法。

二、特徵提取和降維：特徵是用來識別文字的關鍵資訊，每個不同的文字都能透過特徵來和其他文字進行區分。對於數字和英文字母來說，這個特徵提取是比較容易的，因為數字只有10個，英文字母只有52個，都是小字符集。對於漢字來說，特徵提取比較困難，因為首先漢字是大字符集，國標中光是最常用的第一級漢字就有3755個；第二個漢字結構複雜，形近字多。在確定了使用何種特徵後，視情況而定，還有可能要進行特徵降維，這種情況就是如果特徵的維數太高（特徵一般用一個向量表示，維數即該向量的分量數），分類器的效率會受到很大的影響，為了提高識別速率，往往就要進行降維，這個過程也很重要，既要降低維數吧，又得使得減少維數後的特徵向量還保留了足夠的資訊量（以區分不同的文字）。

三、分類器設計、訓練和實際識別：分類器是用來進行識別的，就是對於第二步，對一個文字影像，提取出特徵給分類器，分類器就對其進行分類，告訴你這個特徵該識別成哪個文字。在進行實際識別前，往往還要對分類器進行訓練，這是一個監督學習的案例。

四、 OCR識別後處理：後處理是用來對分類結果進行最佳化的，第一，分類器的分類有時候不一定是完全正確的，比如對漢字的識別，由於漢字中形近字的存在，很容易將一個字識別成其形近字。後處理中可以去解決這個問題，比如透過語言模型來進行校正——如果分類器將“在哪裡”識別成“存哪裡”，透過語言模型會發現“存哪裡”是錯誤的，然後進行校正。第二， OCR識別影像往往是有大量文字的，而且這些文字存在排版、字型大小等複雜情況，後處理中可以嘗試去對識別結果進行格式化，比如按照影像中的排版排列。