OCR技术简单汇总.md

OCR（optical chracter recogntion）

实时高效的定位与识别图片中的所有文字信息，返回文字框位置与文字内容。支持多场景、任意版面下整 图文字的识别，以及中英文、字母、数字的识别。通俗的来说，就是将图片上的文字内容，智能识别成为可编辑的文本。文字信息不仅仅包含常用的文字，还包括符号等可以表达信息的笔画。因此，对于非打印字体，手写体识别技术是一个复杂的问题。在实际场景中，还需要提前做到字符检测的过程。

技术

1. 文本检测
   1. 文字定位、倾斜文本矫正、图像去噪、文字分割
2. 文字识别
   1. 单字识别、语义纠错（统计模型、nlp）
3. 难点

    

   1. 复杂背景、 艺术字体、 低分辨率、字符形变、多语言、版式复杂、字符残缺 
      

应用场景

身份证识别，银行卡识别，名片识别，营业执照识别，行驶证驾驶证识别，车牌号识别，通用印刷体识别，手写体识别。快递单自动识别录入。

成熟的ocr方法

• 谷歌开源OCR引擎Tesseract（英文与数字表现优异）
• OCR开放平台API
• 字符模板匹配法（适用于简单任务）
• 基于深度学习下的CNN字符识别（目前效果最好）
  1. 在OCR系统中，人工神经网络主要充当特征提取器和分类器的功能，输入是字符图像，输出是识别结果，一气呵成。

文字定位与切割（针对格式文本，word、txt等）

推荐一位博主，以下内容来源于冠军的试炼 

1. 利用opencv进行水平矫正、透视矫正（将当前图像映射到另外一个平面。如下图所示：）

-------------------------------> 

1. 切割文字：水平投影找到文字的每一行， 垂直投影切割每一行的每一个字
   1. 中文字体由于存在偏旁和部首，垂直投影效果较差，需要采用其他方法对其进行处理
2. 采用深度学习的方法？

生成文字数据集

1. 收集字体文件：直接在网上下载相应字体的字体文件 
   
2. 得到文字和label的字典
3. 生成文字图片，对图片进行图像增强，模拟印刷体出现粘连、断裂、噪点等形式

利用深度学习进行文字识别

类似leNet模型即可。