Unsa ang teknolohiya sa OCR?
Ang Optical Character Recognition (Iningles: Optical Character Recognition, OCR) nagtumong sa proseso sa pag-analisar ug pag-ila sa mga file sa imahe sa mga materyales sa teksto aron makakuha og impormasyon sa teksto ug layout.
Sama sa pag-ila sa imahe ug teknolohiya sa panan-awon sa makina, ang proseso sa pagproseso sa teknolohiya sa OCR gibahin usab sa input, pre-processing, mid-term nga pagproseso, post-processing ug proseso sa output.
pagsulod
Alang sa lainlaing mga format sa imahe, adunay lainlaing mga format sa pagtipig ug lainlaing mga pamaagi sa pag-compress.Sa pagkakaron, adunay OpenCV, CxImage, ug uban pa.
Pre-pagproseso - binarization
Kadaghanan sa mga hulagway nga gikuha sa mga digital camera karon kay kolor nga mga hulagway, nga adunay daghang impormasyon ug dili angay sa teknolohiya sa OCR.
Alang sa sulod sa hulagway, mahimo natong bahinon kini sa foreground ug background.Aron mahimo ang kompyuter nga mas paspas ug mas maayo nga makahimo sa mga kalkulasyon nga may kalabutan sa OCR, kinahanglan natong iproseso una ang kolor nga hulagway, aron ang impormasyon sa foreground ug impormasyon sa background lamang ang magpabilin sa hulagway.Ang binarization mahimo usab nga masabtan nga "itom ug puti".
pagkunhod sa kasaba sa imahe
Alang sa lainlaing mga imahe, ang kahulugan sa kasaba mahimong lahi, ug ang proseso sa pag-denoising sumala sa mga kinaiya sa kasaba gitawag nga pagkunhod sa kasaba.
pagtul-id sa pagkiling
Tungod kay ang mga ordinaryong tiggamit, kung magkuha og mga litrato sa mga dokumento, lisud ang pag-shoot sa hingpit nga linya sa pinahigda ug bertikal nga pag-align, mao nga ang mga litrato nga nakuha dili kalikayan nga ma-skew, nga nanginahanglan software sa pagproseso sa imahe aron matul-id.
Mid-term nga pagproseso - pagtuki sa layout
Ang proseso sa pagbahin sa mga hulagway sa dokumento ngadto sa mga parapo ug mga sanga gitawag ug layout analysis.Tungod sa pagkadaiya ug kakomplikado sa aktuwal nga mga dokumento, kini nga lakang kinahanglan pa nga ma-optimize.
pagputol sa karakter
Tungod sa mga limitasyon sa pagkuha sa litrato ug mga kondisyon sa pagsulat, ang mga karakter kanunay nga naipit ug ang mga bolpen nabuak.Ang direkta nga paggamit sa ingon nga mga imahe alang sa pagtuki sa OCR labi nga maglimite sa pasundayag sa OCR.Busa, gikinahanglan ang pagbahinbahin sa karakter, nga mao, aron mabulag ang lainlaing mga karakter.
Pag-ila sa karakter
Sa sayong bahin, ang template matching kay kasagarang gigamit, ug sa ulahing yugto, ang feature extraction kay gigamit.Tungod sa impluwensya sa mga hinungdan sama sa text displacement, stroke gibag-on, nabuak nga pen, adhesion, rotation, ug uban pa, ang kalisud sa feature extraction apektado kaayo.
Pagpasig-uli sa layout
Ang mga tawo naglaum nga ang giila nga teksto gihan-ay gihapon sama sa orihinal nga hulagway sa dokumento, ug ang mga parapo, posisyon, ug han-ay kay output sa mga dokumento sa Word, PDF nga mga dokumento, ug uban pa, ug kini nga proseso gitawag ug layout restoration.
pagproseso sa post
Sumala sa relasyon sa piho nga konteksto sa pinulongan, ang resulta sa pag-ila gitul-id.
output
I-output ang giila nga mga karakter isip teksto sa usa ka piho nga format.
Unsa ang mga aplikasyon sa mga handheld terminal base sa teknolohiya sa OCR?
Pinaagi sa handheld terminal PDA nga puno sa OCR character recognition software, daghang mga aplikasyon sa eksena ang matuman, sama sa: car license plate recognition, container number recognition, imported beef ug mutton weight label recognition, passport machine-readable area recognition, electric meter reading recognition , steel coil Pag-ila sa na-spray nga mga karakter.
Panahon sa pag-post: Nob-16-2022