話(huà)說(shuō)什么是OCR？？？？？

簡(jiǎn)介

OCR技術(shù)是光學(xué)字符識(shí)別的縮寫(xiě)(Optical Character Recognition)，是通過(guò)掃描等光學(xué)輸入方式將各種票據(jù)、報(bào)刊、書(shū)籍、文稿及其它印刷品的文字轉(zhuǎn)化為圖像信息，再利用文字識(shí)別技術(shù)將圖像信息轉(zhuǎn)化為可以使用的計(jì)算機(jī)輸入技術(shù)?？蓱?yīng)用于銀行票據(jù)、大量文字資料、檔案卷宗、文案的錄入和處理領(lǐng)域。適合于銀行、稅務(wù)等行業(yè)大量票據(jù)表格的自動(dòng)掃描識(shí)別及長(zhǎng)期存儲(chǔ)。相對(duì)一般文本，通常以最終識(shí)別率、識(shí)別速度、版面理解正確率及版面還原滿(mǎn)意度4個(gè)方面作為OCR技術(shù)的評(píng)測(cè)依據(jù)；而相對(duì)于表格及票據(jù)，通常以識(shí)別率或整張通過(guò)率及識(shí)別速度為測(cè)定OCR技術(shù)的實(shí)用標(biāo)準(zhǔn)。

解析

采用OCR識(shí)別技術(shù),可以將其應(yīng)用于銀行票據(jù)光盤(pán)縮微系統(tǒng)，可以自動(dòng)提取票據(jù)要素，可減輕操作員的工作量，減少重復(fù)勞動(dòng)，尤其是在與銀行事后且監(jiān)督系統(tǒng)相結(jié)合后，可以替代原先的操作人員完成事后監(jiān)督工作。由計(jì)算機(jī)自動(dòng)識(shí)別票據(jù)上的日期、帳號(hào)、金額等要素，通過(guò)銀行事后監(jiān)督系統(tǒng)與業(yè)務(wù)系統(tǒng)中的數(shù)據(jù)進(jìn)行比較，完成傳統(tǒng)的事后監(jiān)督操作；配有印章驗(yàn)證系統(tǒng)后，自動(dòng)將憑證圖像中的印章與系統(tǒng)中預(yù)留的印鑒進(jìn)行比較，完成印章的真?zhèn)巫R(shí)別。

OCR識(shí)別技術(shù)不僅具有可以自動(dòng)判斷、拆分、識(shí)別和還原各種通用型印刷體表格，在表格理解上做出了令人滿(mǎn)意的實(shí)用結(jié)果，能夠自動(dòng)分析文稿的版面布局，自動(dòng)分欄、并判斷出標(biāo)題、橫欄、圖像、表格等相應(yīng)屬性，并判定識(shí)別順序，能將識(shí)別結(jié)果還原成與掃描文稿的版面布局一致的新文本。表格自動(dòng)錄入技術(shù)，可自動(dòng)識(shí)別特定表格的印刷或打印漢字、字母、數(shù)字，可識(shí)別手寫(xiě)體漢字、手寫(xiě)體字母、數(shù)字及多種手寫(xiě)符號(hào)，并按表格格式輸出。提高了表格錄入效率，可節(jié)省大量人力。同時(shí)支持將表格識(shí)別直接還原成PTF、PDF、HTML等格式文檔；并可以對(duì)圖像嵌入橫排文本和豎排文本、表格文本進(jìn)行自動(dòng)排版面分析?！　±媚壳暗母咝录夹g(shù)-OCR，直接從憑證影像中提取金額、帳號(hào)等重要數(shù)據(jù)，代替人的手工錄入，與條碼識(shí)別/流水識(shí)別緊密結(jié)合，實(shí)現(xiàn)建立事后副本帳、完成事后監(jiān)督的工作。OCR處理一般使用性能較好的PC機(jī)，OCR處理程序一經(jīng)啟動(dòng)會(huì)自動(dòng)掃描數(shù)據(jù)庫(kù)中的憑證影像，發(fā)現(xiàn)有需OCR處理而未處理的，提取到本地進(jìn)行處理?！　　?/p>

OCR手寫(xiě)體、印刷體識(shí)別技術(shù)，能識(shí)別不同人寫(xiě)的千差萬(wàn)別的手寫(xiě)體漢字和數(shù)字，應(yīng)用于本系統(tǒng)，識(shí)別憑證影像中儲(chǔ)戶(hù)填寫(xiě)的信息，如大寫(xiě)金額、小寫(xiě)金額、帳號(hào)、存期、日期、證件號(hào)等，可以代替手工錄入。同時(shí)被識(shí)別得出的金額還要與流水識(shí)別所得的金額進(jìn)行核對(duì)，核對(duì)成功，則OCR識(shí)別成功。這樣處理是為了避免誤判?！　　?/p>

經(jīng)過(guò)對(duì)銀行產(chǎn)生的實(shí)際憑證進(jìn)行的大量測(cè)試，在實(shí)際開(kāi)發(fā)過(guò)程中，根據(jù)銀行的實(shí)際需求，OCR技術(shù)在票據(jù)和表格識(shí)別能力和手寫(xiě)體自動(dòng)識(shí)別能力上不斷提升，目前處理速度可達(dá)到每分鐘60～80張票據(jù)，存折識(shí)別率已經(jīng)達(dá)到了85%以上，存單、憑條識(shí)別率達(dá)到90%以上，而85%以上的識(shí)別率就能減少80%以上的數(shù)據(jù)錄入員。

在檔案領(lǐng)域OCR技術(shù)使檔案掃描成果達(dá)到了全文可識(shí)別，將檔案數(shù)字化發(fā)展提升了到了一個(gè)新的階段，是原本掃描出來(lái)的圖片變得更容易進(jìn)行檢索，為數(shù)字檔案館的數(shù)據(jù)查詢(xún)提供了技術(shù)支持，是檔案數(shù)字化發(fā)展中必不可少的一環(huán)。

以上來(lái)自百度百科哈哈哈哈哈?。?/p>

相關(guān)的工具：Tesseract

Tesseract概述：

Tesseract 是一個(gè)OCR庫(kù)，目前由Google贊助（Google也是一家以O(shè)CR和機(jī)器學(xué)習(xí)技術(shù)聞名于世的公司）。Tesseract是目前公認(rèn)最優(yōu)秀、最精確的開(kāi)源OCR系統(tǒng)。

Tesseract的Windows安裝包下載地址為：http://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe，下載后雙擊直接安裝即可。安裝完后，需要將Tesseract添加到系統(tǒng)變量中。在CMD中輸入tesseract-v,如顯示以下界面，則表示Tesseract安裝完成且添加到系統(tǒng)變量中。

配置完成后在命令行輸入tesseract -v，如果出現(xiàn)如下圖所示，說(shuō)明環(huán)境變量配置成功

命令使用： tesseract C://Users\lenovo\Desktop\Tesseract-OCR\233.jpg C://Users\lenovo\Desktop\Tesseract-OCR\Max.txt，則會(huì)將233.jpg中的識(shí)別文字寫(xiě)入到Max.txt一執(zhí)行報(bào)錯(cuò)？？？什么情況？

后來(lái)我找了一些資料來(lái)看 上面的意思就是說(shuō)不能加載'eng'語(yǔ)言包。請(qǐng)將tessdata的父文件夾路徑設(shè)置為T(mén)ESSDATA_PREFIX環(huán)境變量值，這個(gè)就是說(shuō)在環(huán)境變量中新建一個(gè)系統(tǒng)變量，變量名稱(chēng)為T(mén)ESSDATA_PREFIX，tessdata是放置語(yǔ)言包的文件夾，一般在你安裝tesseract的目錄下，即tesseract的安裝目錄就是tessdata的父目錄，把ESSDATA_PREFIX的值設(shè)置為它就沒(méi)問(wèn)題了

更改完成后重啟就沒(méi)問(wèn)題了。

規(guī)整的中文也是可以識(shí)別的哦。

命令：tesseract C://Users\lenovo\Desktop\Tesseract-OCR\libai.png C://Users\lenovo\Desktop\Tesseract-OCR\libai.txt -l chi_sim

我們開(kāi)始使用python編寫(xiě)識(shí)別小腳本了，這里我們需要一個(gè)pytesseract庫(kù)使用pip install pytesseract安裝。安裝完后，就可以使用Python調(diào)用Tesseract這里我們還需要安裝一個(gè)Python的圖片處理模塊，可以安裝pillow.  

輸入以下代碼，可以實(shí)現(xiàn)同上述Tesseract命令一樣的效果：

我們的圖片里面內(nèi)容是：

運(yùn)行程序：

識(shí)別?。?/p>

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。