Java 圖像智能字符識別技術——【專題一】

序言

     最近公司在作爬蟲項目時，遇到一些問題，當抓取某互聯網網站時，發現某互聯網網站作了反爬蟲操做。頁面紅的電話號碼爲圖片形式，字體爲紅色，數字之間零間隔或負間隔，沒法保存爲文本，此時想起之前作人臉識別（OpenCV）時學習的一些圖片操做。如今寫一些Demo測試一下解決一下該問題。這個市面上有不少成熟的產品，如漢王的圖片識別技術、WPS的PDF轉換工具等，咱們均可以使用OCR來解決。（知只是其中一種解決方案）

OCR文字識別

   ocr文字識別軟件提供圖片文字識別服務，是一個帶有PDF文件處理功能的OCR軟件；具備識別正確率高，識別速度快的特色。有批量處理功能，避免了單頁處理的麻煩；支持處理灰度、彩色、黑白三種色彩的BMP、TIF、JPG、PDF多種格式的圖像文件；可識別簡體、繁體和英文三種語言（中文的可能稍微複雜一些，中文有一些類似、繁體的、複雜的文字這些識別時有些困難）；具備簡單易用的表格識別功能；具備TXT、RTF、HTM和XLS多種輸出格式，並有所見即所得的版面還原功能。新增打開與識別PDF文件功能，支持文字型PDF的直接轉換和圖像型PDF的OCR識別，既能夠採用OCR的方式將PDF文件轉換爲可編輯文檔，也能夠採用格式轉換的方式直接轉換文字型PDF文件爲RTF文件或文本文件。

歷史背景

        光學文字識別的概念是在1929年由德國科學家Tausheck最早提出來的，後來美國科學家Handel也提出了利用技術對文字進行識別的想法。 
　　早在60、70年代，世界各國就開始有OCR的研究，而研究的初期，多以文字的識別方法研究爲主，且識別的文字僅爲0至9的數字。20世紀70年代初，日本的學者開始研究漢字識別，並作了大量的工做。1986年之後我國的OCR研究有了很大進展，在漢字建模和識別方法上都有所創新，在系統研製和開發應用中都取得了豐碩的成果，很多單位相繼推出了中文OCR產品。

圖像識別框架

在使用OCR以前咱們先了解一下圖片識別框架，圖片識別框架主要是由下面幾個部分組成。

　　一、圖像輸入、預處理：
　　圖像輸入：對於不一樣的圖像格式，有着不一樣的存儲格式，不一樣的壓縮方式。預處理：主要包括二值化（圖像的二值化，就是將圖像上的像素點的灰度值設置爲0或255，也就是將整個圖像呈現出明顯的只有黑和白的視覺效果），噪聲去除，傾斜較正等
　　二、二值化：
　　對攝像頭拍攝的圖片，大多數是彩色圖像，彩色圖像所含信息量巨大，對於圖片的內容，咱們能夠簡單的分爲前景與背景，爲了讓計算機更快的，更好的識別文字，咱們須要先對彩色圖進行處理，使圖片只前景信息與背景信息，能夠簡單的定義前景信息爲黑色，背景信息爲白色，這就是二值化圖了。
　　三、噪聲去除：
　　對於不一樣的文檔，咱們對噪聲的定義能夠不一樣，根據噪聲的特徵進行去噪，就叫作噪聲去除
　　四、傾斜較正：
　　因爲通常用戶，在拍照文檔時，都比較隨意，所以拍照出來的圖片不可避免的產生傾斜，這就須要進行較正。
　　版面分析：
　　五、將文檔圖片分段落，分行的過程就叫作版面分析，因爲實際文檔的多樣性，複雜性，所以，目前尚未一個固定的，最優的切割模型。
　　六、字符切割：
　　因爲拍照條件的限制，常常形成字符粘連，斷筆，所以極大限制了識別系統的性能，這就須要文字識別軟件有字符切割功能。
　　七、字符識別：
　　這一研究，已是很早的事情了，比較早有模板匹配，後來以特徵提取爲主，因爲文字的位移，筆畫的粗細，斷筆，粘連，旋轉等因素的影響，極大影響特徵的提取的難度。
　　八、版面恢復：
　　人們但願識別後的文字，仍然像原文檔圖片那樣排列着，段落不變，位置不變，順序不變，的輸出到word文檔,pdf文檔等，這一過程就叫作版面恢復。
　　九、後處理、校對：
　　根據特定的語言上下文的關係，對識別結果進行較正，就是後處理。
　　若是開發一個OCR文字識別軟件系統，這些都是咱們須要處理的，咱們的目的很簡單，只是要把影像做一個轉換，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，一概變成計算機文字，使能達到影像資料的儲存量減小、識別出的文字可再使用及分析，固然也可節省因鍵盤輸入的人力與時間。

從影像到結果輸出，須通過影像輸入、影像前處理、文字特徵抽取、比對識別、最後經人工校訂將認錯的文字更正，將結果輸出。