نمایشگاه

صحبت کردن در مورد نرم افزار به رسمیت شناختن متن OCR

Feb 18, 2019 پیام بگذارید

صحبت کردن در مورد نرم افزار به رسمیت شناختن متن OCR

ما یک شرکت چاپ بزرگ در شنژن چین هستیم. ما تمام نشریات چاپی، چاپ کتاب های سختگیرانه، چاپ کتاب های کاغذی، نوت بوک های سخت افزاری، چاپ کتاب های چوبی، نسخه چاپ کتاب، چاپ بروشور، جعبه بسته بندی، تقویم، انواع PVC، بروشورهای محصول، یادداشت ها، کتاب های کودکان، برچسب ها، همه انواع کاغذ مخصوص چاپ رنگ، کارت بازی و غیره.

برای اطلاعات بیشتر مراجعه کنید به

http://www.joyful-printing.com. ENG فقط

http://www.joyful-printing.net

http://www.joyful-printing.org

ایمیل: info@joyful-printing.net


وظیفه نرم افزار تشخیص کاراکتر چینی این است که مطالعه کنید چگونه کامپیوتر را "سواد آموزی" کنید. سیستم معمولا از یک دستگاه تبدیل فوتوالکتریک برای تبدیل یک کاراکتر چینی یا یک جعبه کلمه به یک سیگنال الکتریکی استفاده می کند و آن را به یک رایانه منتقل می کند که به طور خودکار توسط یک رایانه شناسایی و خواندن می شود، بنابراین نام آن نوری است. تشخیص شخصیت نوری (OCR).


مشخصات توسعه OCR


مفهوم OCR ابتدا توسط دانشمند آلمانی Tausheck در سال 1929 پیشنهاد شد. بعدها دانشمند آمریکایی هندل همچنین ایده استفاده از فناوری را برای شناسایی کلمات پیشنهاد کرد. اولین تحقیق در مورد شناخت کاراکترهای چینی چاپی کیسی و ناگی IBM بود. در سال 1966، نخستین مقاله در مورد شناسایی شخصیت های چینی منتشر شد که با تطبیق الگو برای شناسایی 1000 کاراکتر چینی چاپ شده استفاده شد. در اوایل دهه 1970، پژوهشگران ژاپنی شروع به مطالعه کارهای شناخت شخصیت چینی کردند و کارهای زیادی انجام دادند. تحقیق در مورد شناخت شخصیت چینی در چین نسبتا دیر شروع شد و کار تحقیقاتی OCR در اواخر دهه 1970 آغاز شد. نرم افزار اولیه OCR با توجه به عوامل مختلف مانند میزان تشخیص و تولید، قادر به برآورده شدن نیازهای واقعی نیست. در عین حال، با توجه به هزینه بالای تجهیزات سخت افزاری و سرعت عمل آهسته، به سطح عملی رسیده است. فقط برخی از ادارات مانند ادارات اطلاعات، واحد های مطبوعات و انتشارات از نرم افزار OCR استفاده می کنند. پس از سال 1986، تحقیق OCR چین پیشرفت زیادی کرده است و نوآوری هایی را در زمینه مدل سازی و شناسایی شخصیت های چینی انجام داده است. این نتایج بدست آمده در برنامه های توسعه و توسعه سیستم را به دست آورده است. بسیاری از واحدها به طور متوالی محصولات OCR چینی را راه اندازی کرده اند. پس از دهه 1990، با استفاده گسترده از اسکنرهای پلت فرم و محبوبیت اتوماسیون اطلاعات و اتوماسیون اداری در چین، توسعه بیشتر تکنولوژی OCR به شدت ارتقا یافته است، و میزان تشخیص OCR شناخته شده است و سرعت تشخیص آن راضی است کاربران. ادعا.


در حال حاضر، بسیاری از نرم افزار محبوب OCR وجود دارد. OCR انگلیسی عمدتا شامل OmniPage، OCR چینی، عمدتا Tsinghua Unisplendour OCR، Tsinghua Wentong OCR، Hanwang OCR، Zhongjing Shangshu OCR، Danqing OCR و Mengyu OCR است. با وجود تعداد زیادی از شخصیت های چینی و فونت های پیچیده، تکنولوژی OCR بالغ شده است. بسیاری از نرم افزارهای OCR نه تنها می توانند شخصیت های سیاه و سفید چاپ شده چینی را تشخیص دهند، بلکه شخصیت های سیاه و سفید و رنگی چاپ شده چین را نیز تشخیص می دهند. سرعت تشخیص سریع است و میزان دقت تشخیص بیش از 99٪ است. این می تواند فونت های مختلف مانند آهنگ، پررنگ و عقرب را تشخیص دهد. سنتی؛ می تواند فونت های مختلف، اختلاف فونت های مختلف را تشخیص دهد؛ برخی از نرم افزارهای OCR همچنین می توانند تصاویر، جداول را شناسایی کنند. در عین حال، در مطالعه شناخت شخصیت دست نویس چینی، پیشرفت بزرگی صورت گرفته است و نرخ تشخیص صحیح بیش از 70٪ رسیده است.


نرم افزار OCR


در بازار اسکنر، بسیاری از انواع اسکنرهای دفتر و خانه با نرم افزار OCR مجهز شده اند. به عنوان مثال، اسکنر بنفش با OCR بنفش مجهز شده است، اسکنر کریستال با Shangshu OCR مجهز شده است، و اسکنر Mustek مجهز به Danqing OCR است. اسکنر و نرم افزار OCR فرایند کل را از ورودی سند به شناسایی متن به اشتراک می گذارد.


اسکن اسکن اغلب در زمینه اداری استفاده می شود. اسناد مربوط به نشریات در روزنامه ها، مجلات و غیره توسط یک اسکن اسکن می شوند و سپس شناسایی OCR انجام می شود یا به عنوان یک فایل تصویری ذخیره می شود تا بعدا به رسمیت شناختن OCR و فایل های تصویر به متن تبدیل شوند. فایل یا فایل ورد برای ذخیره سازی


علاوه بر این، ذخیره سازی و انتقال اطلاعات دیجیتال نه تنها کم هزینه، با راندمان بالا، بلکه همچنین قابل انطباق با نیازهای نامتقارن چاپ و انتقال شبکه است. در حال حاضر، بسیاری از گنجینه های کاغذی مانند کتاب ها، روزنامه ها، مجلات و غیره در چین وجود دارد و فورا آنها را به اطلاعات الکترونیکی تبدیل می کند. برای مثال، ایجاد یک کتابخانه الکترونیکی نیازمند آن است که کتاب ها از طریق صفحه اسکن شوند و شناسایی نرم افزار OCR جایگزین تایپ کردن کلمات دستی است که به طور چشمگیری زمان ورود را کاهش می دهد، نیروی کار را کاهش می دهد، نیروی انسانی را کاهش می دهد و هزینه ها را کاهش می دهد. بهبود دقت ورود، کارایی کار و اتوماسیون اداری مدرن.


در حال حاضر، ترکیبی از نرم افزار و اسکنر OCR در بسیاری از زمینه های عصر اطلاعات مانند کتابخانه های دیجیتالی، شناسایی گزارش های مختلف و شناسایی استانداردهای سیستم بانکی و مالیاتی مورد استفاده قرار گرفته است. با توسعه و محبوبیت شبکه و اطلاعات، دامنه کاربرد آن گسترش می یابد.


ترکیب سیستم OCR


عملکرد نرم افزار تشخیص شخصیت چینی OCR به رسمیت شناختن گرافیک های مختلف و یا تصاویر هر شخصیت چینی که در حروف چینی نوشته شده است، چاپ و یا دست خط با استفاده از رایانه، و به علامت کدهای دسته بندی شخصیت های چینی. بنابراین شناسایی شخصیت چینی در نهایت یک مشکل تشخیص تصویر است. با توجه به تعداد زیادی از شخصیت های چینی، فونت های مختلف، فونت ها و ساختارهای پیچیده، روند شناخت شخصیت چینی بسیار پیچیده است. نمودار مختصات گردش کار نرم افزار OCR، همانطور که در جدول زیر نشان داده شده است:


داده های مدارک → ورودی اسکن → پردازش تصویر → تقسیم طرح → تشخیص متن → ویرایش متن → ذخیره سازی سند


با توجه به محبوبیت و کاربرد وسیع اسکنرها، نرم افزار OCR تنها نیاز به ارائه رابط کاربری با اسکنر و استفاده از نرم افزار راننده اسکنر دارد. بنابراین، نرم افزار OCR عمدتا از یک ماژول پردازش تصویر، یک ماژول بخش بندی طرح، یک ماژول شناخت متن و یک ماژول ویرایش متن متشکل است.


1. ماژول پردازش تصویر

ماژول پردازش تصویر عمدتا دارای توابع مانند اسکن سند، مقیاس تصویر و چرخش تصویر است. پس از ورودی توسط اسکنر، سند یک فایل تصویری ایجاد می کند، و ماژول پردازش تصویر می تواند تصویر را برای حذف لکه ها و خراش ها بزرگ کند. اگر تصویر صحیح چرخانده نشود، می توانید تصویر را به صورت دستی یا به صورت خودکار چرخانده، تا شرایط بهتر برای تشخیص متن ایجاد شود. نرخ تشخیص بالاتر است.


2. ماژول بخش بندی طرح

ماژول بخش بندی طرح عمدتا شامل تقسیم بندی طرح و تقسیم تغییر است، یعنی درک طرح، تقسیم بندی کلمه، عادی سازی، و غیره، و همچنین می توان طرح خودکار یا دستی را انتخاب کرد. هدف این است که نرم افزار OCR را برای جدا کردن مقالات، جداول و غیره در همان طرح، به طوری که آنها را می توان به طور جداگانه و در چه نظم پردازش شده است.


3. ماژول شناخت متن

ماژول شناخت متن بخشی اصلی از نرم افزار OCR است، یک نمودار ساده پردازش تشخیص متن، همانطور که در زیر نشان داده شده است. ماژول شناخت متن عمدتا "خواندن" را روی ورودی های چینی وارد می کند، اما نمی تواند چند خط باشد و باید خط را به صورت خط کاهش دهد. برای شخصیت های چینی، معمولا یک کلمه و یک کلمه، یعنی شناسایی تک کلمه، و سپس عادی شده است. ماژول به رسمیت شناختن متن ویژگی های شخصیت های مختلفی از چینی را استخراج می کند، شناسایی را کامل می کند، به صورت خودکار کلمات مشکوکی را پیدا می کند و دارای توابع مانند قبل و بعد است.


اسکن ورودی اصلی → خط برش → برش دادن کلمه → طبیعی شدن → ویژگی استخراج ویژگی → تشخیص کلمه ┐ ┐

└- → استخراج ویژگی پیش طبقه بندی ← کتابخانه ویژگی (فرهنگ لغت) → دستنوشت خروجی


4. ماژول ویرایش متن

ماژول ویرایش متن عمدتا متن قابل تشخیص OCR را اصلاح و ویرایش می کند. اگر سیستم تشخیص دهد که اشتباه است، متن به رنگ قرمز یا آبی رنگ نمایش داده می شود و متن مشابهی را برای انتخاب نمایش می دهد و ویرایشگر را برای خروجی انتخاب می کند.


نحوه استفاده از نرم افزار OCR


اگر چه انواع مختلفی از نرم افزار OCR وجود دارد، استفاده از آنها مشابه است. اولین گام اسکن اسناد و سپس شناسایی OCR است. استفاده از نرم افزار OCR به شرح زیر است:


1. اسکن اسکن

برای استفاده از نرم افزار OCR برای به رسمیت شناختن متن، اسناد را می توان مستقیما در نرم افزار OCR اسکن کرد. پس از اجرای نرم افزار OCR، رابط نرم افزار OCR ظاهر خواهد شد.


سند را در قسمت شیشه ای اسکن قرار دهید تا طرفین به صورت اسکن شده با سمت شیشه ای اسکنر با انتهای بالای سند رو به پایین، با لبه خط کش هماهنگ شوند و سپس اسکنر تحت پوشش برای آماده سازی برای اسکن. بر روی دکمه "اسکن" در پنجره کلیک کنید تا وارد نرم افزار راننده اسکن برای اسکن شوید. روش اسکن در اینجا توضیح داده نخواهد شد. با این حال، لازم به ذکر است که رزولوشن را می توان در 200 ~ 400dpi تنظیم کرد. برای اسناد متنی، برای تنظیم روشنایی حیاتی است.


2. تشخیص OCR

برای سهولت کار، گزینه ها را از منو انتخاب کنید و آیکون های مختلف به سمت چپ پنجره ظاهر می شوند.

برای استفاده بهتر، ابتدا آیکن را در سمت چپ صفحه نمایش از بالا به پایین قرار دهید:


ابزار بزرگنمایی: برای بزرگنمایی تصویر؛ "زوم کردن" ابزار: برای کاهش تصویر؛ "تنظیم منطقه شناختن" ابزار: برای تنظیم منطقه تشخیص؛ "تنظیم دستورالعمل" ابزار: برای تنظیم نظم به رسمیت شناختن؛ حذف ابزار Area Recognition: برای حذف منطقه تشخیص؛ ابزار «پاک کردن تصویر تصویر»: برای پاک کردن یک منطقه در تصویر؛ ابزار Rotate Image: برای چرخاندن تصویر 90 درجه، 180 درجه یا 270 درجه؛ ابزار اصلاح شیب: اصلاح تصویر شیب تصویر دستی.


مراحل عمومی شناسایی OCR:


(1) پس از سند اسکن شده، متن به رسمیت شناخته شده است که در پنجره ظاهر می شود بسیار کوچک است. ابتدا ابزار "Zoom in" را انتخاب کنید تا عکس را به شکل صحیح تصویر بزرگ کنید تا تصویر روشن تر شود. در صورت لزوم، می توانید ابزار "زوم کردن" را برای کاهش اندازه صفحه مناسب نیز انتخاب کنید.

(2) اگر صفحه به 90 درجه، 180 درجه یا 270 درجه چرخانده شود، برای چرخش تصویر از ابزار Rotate Image استفاده کنید. اگر صفحه متن کج شده است، ابزار تنظیم شیب برای تنظیم صفحه را انتخاب کنید.

(3) در حین شناسایی ابزار «تنظیم ناحیه تنظیم» را انتخاب کنید و کادر مورد نظر را روی صفحه شخصیت شناسایی کنید. در این مورد، می توان مناطق مختلف را مطابق با شرایط صفحه تنظیم کرد. اگر ناحیه جعبه نادرست باشد، می توانید از ابزار Clear Identify Area برای حذف منطقه شناخته شده انتخاب شده استفاده کنید.

(4) برای بهبود میزان تشخیص، اگر منطقه تشخیص انتخاب دارای سر و صدا یا یک تصویر غیر قابل تشخیص باشد، می توان از ابزار «پاک کردن تصویر تصویر» برای پاک کردن نویز بیتی بیتی استفاده کرد. اگر شما نیاز به پاک کردن در قطعات، شما می توانید ابزار Block Image Block را انتخاب کنید.

(5) بر روی آیکون "Recognize" کلیک کنید، سپس صفحه نمایش OCR در حال انجام بخش تقسیم بندی متن است، سپس روی صفحه "Recognizing" منتقل شده و متن تشخیصی گام به گام نمایش داده می شود و سپس به پنجره Document Editing نشان داده شده.

بسیاری از نرم افزارهای OCR دارای یک تابع اصلاح متن هستند که متن را تشخیص می دهد که ممکن است اشتباه باشد، در یک رنگ روشن نمایش داده می شود و می تواند اصلاح شود.

(6) فایل شناسایی را به عنوان یک فایل متنی (TXT) یا یک فایل RTF Word ذخیره کنید.

ارسال درخواست