Parler du logiciel de reconnaissance de texte OCR
Nous sommes une grande imprimerie à Shenzhen en Chine. Nous proposons toutes les publications de livres, impression de livres à couverture rigide, impression de livres à couverture rigide, cahiers à couverture rigide, impression de livres en papier, impression de livres pour piqûre à cheval, impression de livrets, boîte d'emballage, calendriers, PVC de toutes sortes, brochures de produits, notes, livres pour enfants, autocollants, tous types de produits d'impression couleur spéciaux sur papier, cartes de jeu, etc.
Pour plus d'informations, s'il vous plaît visitez
http://www.joyful-printing.com. ENG seulement
http://www.joyful-printing.net
http://www.joyful-printing.org
email: info@joyful-printing.net
La tâche d'un logiciel de reconnaissance de caractères en chinois consiste à étudier comment rendre un ordinateur "alphabète". Le système utilise généralement un dispositif de conversion photoélectrique pour convertir un caractère chinois ou une boîte de mots en un signal électrique, et l'envoie à un ordinateur, qui est automatiquement reconnu et lu par un ordinateur, il est donc appelé optique. Reconnaissance optique de caractères (OCR).
Profil de développement OCR
Le concept d'OCR a été proposé pour la première fois par le scientifique allemand Tausheck en 1929. Plus tard, le scientifique américain Handel a également proposé l'idée d'utiliser la technologie pour identifier des mots. Les premières recherches sur la reconnaissance des caractères chinois imprimés ont été Casey et Nagy d’IBM. En 1966, ils ont publié le premier article sur la reconnaissance des caractères chinois, qui utilisait un modèle de correspondance pour identifier 1 000 caractères chinois imprimés. Au début des années 1970, des érudits japonais ont commencé à étudier la reconnaissance des caractères chinois et ont beaucoup travaillé. Les recherches sur la reconnaissance des caractères chinois en Chine ont commencé relativement tard et les travaux de recherche d'OCR ont commencé à la fin des années 1970. Les premiers logiciels d’OCR n’étaient pas en mesure de répondre aux besoins réels en raison de divers facteurs tels que le taux de reconnaissance et la production. Dans le même temps, en raison du coût élevé du matériel informatique et de la lenteur de son fonctionnement, il n’a pas atteint un niveau pratique. Seuls certains départements, tels que les services d’information, les unités de presse et de publication, utilisent le logiciel OCR. Après 1986, la recherche chinoise sur la reconnaissance optique des caractères a beaucoup progressé et a permis d'innover dans les méthodes de modélisation et de reconnaissance des caractères chinois. Il a obtenu des résultats fructueux dans le développement de systèmes et les applications de développement. De nombreuses unités ont successivement lancé des produits d'OCR en Chine. Après les années 90, avec l’application étendue des scanners de plate-forme et la popularisation de l’automatisation de l’information et de la bureautique en Chine, le développement ultérieur de la technologie de reconnaissance optique des caractères a été grandement encouragé et le taux de reconnaissance de la reconnaissance optique des caractères les utilisateurs. Prétendre.
À l'heure actuelle, il existe de nombreux logiciels d'OCR populaires. OCR anglais comprend principalement OmniPage, OCR chinois, principalement OCR Tsinghua Unisplendour, OCR Tsinghua Wentong, OCR Hanwang, OCR Zhongjing Shangshu, Danqing et Mengyu. Malgré la grande quantité de caractères chinois et de polices complexes, la technologie OCR a mûri. De nombreux logiciels OCR peuvent non seulement reconnaître les caractères chinois imprimés en noir et blanc, mais également les caractères chinois en niveaux de gris et en couleurs. La vitesse de reconnaissance est rapide et le taux de précision de la reconnaissance est supérieur à 99%. Il peut reconnaître diverses polices telles que Song, Bold et Scorpion. Traditionnel; peut reconnaître une variété de polices, mélange de taille de police différente; certains logiciels OCR peuvent également identifier des images, des tableaux. Dans le même temps, de grands progrès ont été réalisés dans l’étude de la reconnaissance manuscrite de caractères chinois et le taux de reconnaissance correct a atteint plus de 70%.
Logiciel OCR
Sur le marché des numériseurs, de nombreux types de scanneurs personnels et professionnels sont équipés d’un logiciel de reconnaissance optique de caractères. Par exemple, le scanner violet est équipé d'un OCR violet, le scanner à cristaux est équipé d'un OCR Shangshu et le scanner Mustek est équipé d'un OCR Danqing. Le scanner et le logiciel OCR partagent l’ensemble du processus, de l’entrée du document à la reconnaissance du texte.
La numérisation de documents est souvent utilisée dans les bureaux. Les documents liés aux publications dans les journaux, magazines, etc. sont numérisés par un scanner, puis l'identification OCR est réalisée ou stockée sous forme de fichier image pour une reconnaissance OCR ultérieure, et les fichiers image sont convertis en texte. Fichier ou fichier Word pour le stockage.
En outre, le stockage et la transmission d’informations numériques sont non seulement économiques, efficaces, mais s’adaptent également aux besoins non développés en matière de composition et de transmission réseau. À l'heure actuelle, il existe de nombreux trésors de papier tels que livres, journaux, magazines, etc. en Chine, et il est urgent de les convertir en informations électroniques. Par exemple, la création d’une bibliothèque électronique exige que les livres soient numérisés page par page et l’identification du logiciel OCR remplace la saisie manuelle des mots, ce qui réduit considérablement le temps de saisie, réduit l’intensité de la main-d’œuvre, économise de la main-d’œuvre et réduit les coûts. Améliorez la précision des entrées, l'efficacité du travail et la bureautique moderne.
À l’heure actuelle, la combinaison de logiciels OCR et de scanners a été appliquée à de nombreux domaines de l’ère de l’information, tels que les bibliothèques numériques, l’identification de divers rapports et l’identification des normes des systèmes bancaire et fiscal. Avec le développement et la vulgarisation du réseau et de l'information, son champ d'application deviendra de plus en plus étendu.
Composition du système OCR
Le logiciel de reconnaissance de caractères chinois OCR a pour fonction de reconnaître divers graphiques ou images de chaque caractère chinois enregistrés en caractères chinois, impressions ou écritures à la main par ordinateur, et de marquer les codes de catégorie de caractères chinois. Par conséquent, la reconnaissance des caractères chinois est finalement un problème de reconnaissance des images. En raison de la grande quantité de caractères chinois, de polices différentes, de polices de caractères et de structures complexes, le processus de reconnaissance des caractères chinois est extrêmement compliqué. Diagramme schématique du flux de travail du logiciel OCR, comme indiqué dans le tableau suivant:
Données de document → Entrée de numérisation → Traitement d'image → Division de la mise en page → Reconnaissance de texte → Édition de texte → Stockage de document
En raison de la popularité et des applications étendues des scanneurs, le logiciel OCR doit uniquement fournir une interface avec le scanneur et utiliser le logiciel du pilote du scanneur. Par conséquent, le logiciel OCR est principalement composé d'un module de traitement d'image, d'un module de division de disposition, d'un module de reconnaissance de texte et d'un module d'édition de texte.
1. Module de traitement d'image
Le module de traitement d'image a principalement des fonctions telles que la numérisation de documents, la mise à l'échelle et la rotation d'images. Une fois saisi par le scanner, le document forme un fichier image et le module de traitement d'image peut agrandir l'image pour éliminer les taches et les rayures. Si l'image n'est pas correctement pivotée, vous pouvez effectuer une rotation manuelle ou automatique afin de créer de meilleures conditions pour la reconnaissance de texte. Le taux de reconnaissance est plus élevé.
2. Module de division de disposition
Le module de division de présentation comprend principalement la division de présentation et la division de modification, c’est-à-dire que la compréhension de la présentation, la segmentation des mots, la normalisation, etc., et que la présentation automatique ou manuelle peut être sélectionnée. Le but est d'indiquer au logiciel OCR de séparer les articles, les tableaux, etc. dans le même modèle, afin qu'ils puissent être traités séparément et dans quel ordre.
3. Module de reconnaissance de texte
Le module de reconnaissance de texte est la partie principale du logiciel OCR, un simple diagramme de processus de reconnaissance de texte, comme indiqué ci-dessous. Le module de reconnaissance de texte effectue principalement la "lecture" sur les caractères chinois saisis, mais il ne peut pas être multiligne et doit être coupé ligne par ligne. Pour les caractères chinois, il est généralement reconnu par un mot et un mot, c'est-à-dire par reconnaissance d'un mot, puis normalisé. Le module de reconnaissance de texte extrait les caractéristiques de différents exemples de caractères chinois, complète la reconnaissance, trouve automatiquement les mots suspects et comporte des fonctions telles qu'avant et après association.
Numériser l'original → coupe-ligne → coupe de mot → naturalisation → extraction de fonction de reconnaissance → reconnaissance de mot ┐
└- → Extraction d'entités de préclassification → Bibliothèque d'objets (dictionnaire) → Manuscrit en sortie
4. Module d'édition de texte
Le module d'édition de texte modifie et édite principalement le texte reconnu par OCR. Si le système reconnaît qu'il est erroné, le texte sera affiché en gras rouge ou bleu, fournira un texte similaire pour la sélection et sélectionner l'éditeur pour la sortie.
Comment utiliser le logiciel OCR
Bien qu'il existe de nombreux types de logiciels OCR, leur utilisation est similaire. La première étape consiste à numériser le document, puis à effectuer la reconnaissance OCR. L'utilisation du logiciel OCR est la suivante:
1. Numérisation de documents
Pour utiliser le logiciel OCR pour la reconnaissance de texte, les documents peuvent être numérisés directement dans le logiciel OCR. Après avoir exécuté le logiciel OCR, l’interface du logiciel OCR apparaît.
Placez le document à numériser sur le côté en verre du scanner de sorte que le côté à numériser soit face au côté en verre du scanner, extrémité supérieure du document orientée vers le bas, alignée sur le bord de la règle, puis le scanner est couvert pour préparer la numérisation. Cliquez sur le bouton "Numériser" dans la fenêtre pour entrer le logiciel du pilote de numérisation à numériser. La méthode de numérisation ne sera pas décrite ici. Toutefois, il convient de noter que la résolution peut être réglée sur 200 ~ 400 dpi. Pour les documents texte, il est essentiel de régler la luminosité.
2. reconnaissance OCR
Pour faciliter l’utilisation, sélectionnez des options dans le menu et diverses icônes apparaissent à gauche de la fenêtre.
Pour une meilleure utilisation, introduisez d’abord l’icône à gauche de l’écran de haut en bas:
Outil "Zoom avant": pour agrandir l'image; outil "zoom arrière": pour réduire l'image; outil "paramétrage de la zone de reconnaissance": pour paramétrer la zone de reconnaissance; outil "définition de l'ordre de reconnaissance": pour la définition de l'ordre de reconnaissance; Outil Supprimer la zone de reconnaissance: pour supprimer la zone de reconnaissance; Outil "Effacer le bruit de l'image": pour effacer une zone de l'image; Outil "Tourner l'image": pour faire pivoter l'image de 90 °, 180 ° ou 270 °; Outil de correction d'inclinaison: Pour la correction manuelle de l'inclinaison de l'image.
Étapes générales pour l'identification OCR:
(1) Une fois le document numérisé, le texte à reconnaître qui apparaît dans la fenêtre est très petit. Tout d'abord, sélectionnez l'outil «Zoom avant» pour agrandir correctement l'image et la rendre plus claire. Si nécessaire, vous pouvez également sélectionner l'outil "zoom arrière" pour réduire la taille de l'écran de manière appropriée.
(2) Si vous devez faire pivoter l'écran de 90 °, 180 ° ou 270 °, utilisez l'outil Rotation d'image pour faire pivoter l'image. Si l'écran de texte est incliné, sélectionnez l'outil Correction de l'inclinaison pour ajuster l'écran.
(3) Sélectionnez l'outil "Définir la zone de reconnaissance" lors de la reconnaissance et cadrez la zone à reconnaître sur l'écran de caractères. Dans ce cas, plusieurs zones peuvent être encadrées en fonction de l'état de l'écran. Si la zone encadrée est incorrecte, vous pouvez utiliser l'outil Supprimer la zone d'identification pour supprimer la zone reconnue sélectionnée.
(4) Afin d'améliorer le taux de reconnaissance, si la zone de reconnaissance sélectionnée présente du bruit ou une image non reconnaissable, vous pouvez sélectionner l'outil "Effacer le bruit de l'image" pour supprimer le bruit bit par bit. Si vous devez effacer des morceaux, vous pouvez sélectionner l'outil Nettoyer le bloc d'image.
(5) Cliquez sur l’icône «Reconnaître», puis l’affichage OCR effectue la segmentation du texte, puis passez à l’écran «Reconnaissance». Le texte reconnu sera affiché pas à pas, puis transféré dans la fenêtre «Correction montré.
De nombreux logiciels OCR ont une fonction de modification de texte qui reconnaît le texte qui peut être erroné, est affichée en couleur claire et peut être modifiée.
(6) Stockez le fichier reconnu en tant que fichier texte (TXT) ou fichier Word RTF.

