OCR文字识别技术识别少数语言与外国语言

中安未来科技的OCR API来源于清华大学电子图文工程系人工智能实验室，为了实现真正的产业化，不断的完善技术，优化算法，至今已发展成为国内一流的识别厂商之一。OCR API主要功能是如何怎样的。

 

云OCR扫描文档识别系统核心 OCR文字识别系统内置高性能文字识别引擎，中文识别率达99.8%以上。英文、繁体中文识别率稳居世界领先水平；识别语种支持中文简体、中文繁体、中英混排、英文识别。

云OCR扫描文档识别系统XML技术 云OCR扫描文档识别系统基于开放式的XML数据结构，支持第三方用户方便地进行文档数据的转换、迁移和再利用。 3、云OCR扫描文档识别系统文段还原 云OCR扫描文档识别系统强大的纸张版面分析算法，包括横排文本，竖排文本，文段段落分析，可以最大限度的计算输出的识别结果与原文档的文段保持一致，这样识别结果得到也会是近似原文档格式的TXT文档内容。

4、云OCR扫描文档识别系统识别速度 云OCR扫描文档识别系统识别一张A4大小的图，所耗费时间是500-700毫秒，根据图片内容的复杂情况而不同。

5、云OCR扫描文档识别系统图片格式 云OCR扫描文档识别系统支持导入识别JPG、TIF、PNG、GIF、BMP等图片，导入的图片像素精度达到标准程度（200dpi以上）识别率和识别速度都能满足使用者的需要；其中多图TIF支持识别，多图的PDF文件也支持识别。

中安未来档案：保护文化遗产—民族语言文字识别 中华文明五千年，五十六个民族，积淀了数量庞大的文化遗产，而大部分是以书籍的形式保存下来。但由此带来一个难题：纸质的书籍历经沧桑，在加上后续人们一遍遍的翻阅，书籍多有破损，甚至有缺失。像战争年代还会有批量书籍的毁损，让人甚是惋惜。

为了更好的保存这些先人留下的文化遗产，中安未来科技特推出了民族语言文字识别技术。 识别过程是：利用扫描仪获取书籍文字的图像（TIFF?JPEG?BMP?PNG?图片PDF等），然后经过文字识别技术和版面分析，对图片上的文字做输出（支持导出TXT,RTF,EXCEL,双层PDF或纯文本PDF）。民族语言文字识别支持藏文、维吾尔文、?阿拉伯文、哈萨克文、柯尔克孜文、中文、?日文、?韩文等；对于采集的图片，该文字识别软件支持纠偏、去污、旋转、裁切，横排文本、竖排文本、表格、图片等多种格式。 据悉，文字识别的基础是OCR识别原理，通过对文字的亮暗检测，并且与字符库进行对比，从而判断是哪个文字。并作输出。

基于开放式的XML数据结构，可以对数据进行扩充和再定义。支持第三方开发厂商方便地进行文档数据的转换、迁移和再利用。文字识别软件采用UNICODE国际编码标准。

转载于:https://my.oschina.net/u/4090415/blog/3035182