粘连算法

㈠ OCR文字识别软件哪个易用可网上下载

OCR文字识别软件 Mini Ocr

xdowns.com/view_soft/3/7/OCRwenzishibieruanjian Mini Ocr.html

件

本软件是飞涛软件工作室开发的一款免费Ocr软件,主要用于识别图像文件之中，出现
的汉字显示字体。Ocr的中文含意是光学字符识别。
为什么叫Mini呢？因为现有的识别汉字的商业Ocr软件，动辄二三十兆，而本软件解
压后，也不过三兆多，身材比较纤小，再加上本软件主要用于识别字体比较小的汉字，所
以叫Mini，中文的发音是“迷你”，中文含义是超小型。

既然有了商业Ocr软件，为什么还要开发这个软件？

不同于商业Ocr软件，本软件是免费的，可以自由使用。第二个不同之处，本软件的
识别对象是屏幕出现的“显示汉字”，而不是针对扫描仪扫出来的“打印汉字”。二者有什
么不同呢？最重要的一点： 扫描出来的打印汉字的高度和宽度一般都在30多个像素点之
上，这是我用画图软件，打开某个商业Ocr的samples\sample1.tif，然后一点一点数出
来的。从文件名和目录名的中文含意可以看出，这个点数应该是一个典型值。那么，如果
用商业Ocr识别屏幕上出现的小五号字，汉字的高度是12个像素点，会出现什么情况呢？
测试方法：用记事本随便写几行汉字，设置字体为小五号字。这大概是看着还算舒服
的最小号的汉字字体了（高度是12个像素点），如果再小，字体就很难看了。然后，按拷
屏键PrtSc，把屏幕的图像拷贝、粘贴到画图软件中，修剪尺寸后，保存为bmp的格式。
然后，我找了两个国内最着名的Ocr软件进行测试，结果让人大吃一惊，识别率几乎为零。
把图像放大两倍，再测试，结果仍然很不理想，大概也只有百分之二三十的样子。

开发Mini Ocr软件的由来

我在开发护花使者反黄图像识别软件的时候，遇到有些图像里,嵌有某些文字，如果能
把文字识别出来，图像的含义就很容易让计算机理解了。预算有限，我连扫描仪都舍不得
买，就更别想买商业Ocr的开发包了，大概几十万,或者更多，或者别人压根就不卖。况且
它们的识别率对小字体几乎为零，不符合我的要求。看来，只好自力更生，重新写一个了。

开发Mini Ocr的历程

经过三个多月的努力，终于诞生了这款Mini Ocr 软件。第1个月做出了汉字识别的
核心模块，第2个月做出了文章段落切分的算法，并加入了对英文，数字，标点的支持，
第三个月继续调整英汉混排和汉字切分的算法，并用MFC 做了一个界面。

Mini Ocr的软件架构

为了让更多的人能使用到这个软件，我在windows系统下，采用VC进行编程，界面当
然只好用MFC写了。软件架构是一个SDI框架下的多窗口切分界面，左上角的窗口是一个
CFormView，用来显示常用的按钮；左下角是一个CEditView,用来显示帮助信息；右上角
是一个CView,用来显示要识别的图像；右下角是一个CEditView,用来存放识别出来的文
字。识别部分采用了工作者线程，以避免显示界面的主线程僵掉。识别部分是整个软件的
核心，与操作系统无关，可以单独摘出来放在dos窗口里跑，也可以移植到Linux系统中跑。

汉字识别软件的难点所在：

英文识别有一些开放源码的软件，我看过的软件，主要采取两种识别方法：基于规则
的方法，和采用神经网络方法。而这两种方法，在识别汉字时，都不宜采用。因为汉字数
目众多，最常用的国标2312的一级汉字就有3755个。如果借用基于规则的方法，需要对
三千多个汉字，逐一人工写出分类规则，工作量太大，我一个人无法完成；如果采用神经
网络的方法，这么多汉字，我不敢想象，需要多少层网络和神经节点呀！如果采用网格法，
抗位移的效果太差；而采用不变矩法，识别人和入，土和士，相似度又难于控制。除此之
外，汉字切分也是一大难题。英文宽度大概只有汉字一半，标点符号大概只有汉字三分之
一宽，数字大概只有四分之一的宽度。而汉字本身又有二分字，和三分字。某些字，如“啊”，
字体小时可能是独体字，字体大些，变为二分字，字体再大，又变为三分字。加上汉字与
汉字之间的粘连、汉字与英文的混排，英文与英文的粘连，造成汉字切分模块的算法，甚
至比汉字识别模块的算法还要复杂得多。为了克服这些难点，并加快识别速度，我在算法
设计时，采用了一些优化和简化的策略。经过实践检验，证明行之有效。

Mini Ocr进行汉字识别的策略：
1) 采用复合特征的分类方法。
2) 字符集选择3755个一级汉字。
3) 字体选择最常用的宋体。
4) 字号选择从小五号到一号汉字，主要针对20个点之内的小字体。
5) 英汉混排时，汉语优先。
6) 汉字粘连时，进行动态优化切分。

展望与下一步的开发计划：
1) 重新优化英文识别的算法；
2) 对英文粘连的切分算法进行调整；
3) 移植进入Linux；

选择Ocr软件的建议：

如果您选择Ocr软件，目的是用来识别扫描仪出来打印字体，推荐还是选用知名的商业Ocr。
如果您要识别屏幕上显示的汉字，Mini Ocr是一个比较不错的选择。真诚地希望您在使用
中，能喜欢上它

㈡ 阐述提高场景文字检测算法性能的难点

1、图像输入、预处理：
图像输入：对于不同的图像格式，有着不同的存储格式，不同的压缩方式。预处理：主要包括二值化，噪声去除，倾斜较正等
2、二值化：
对摄像头拍摄的图片，大多数是彩色图像，彩色图像所含信息量巨大，对于图片的内容，我们可以简单的分为前景与背景，为了让计算机更快的，更好的识别文字，我们需要先对彩色图进行处理，使图片只前景信息与背景信息，可以简单的定义前景信息为黑色，背景信息为白色，这就是二值化图了。
3、噪声去除：
对于不同的文档，我们对燥声的定义可以不同，根据燥声的特征进行去燥，就叫做噪声去除
4、倾斜较正：
由于一般用户，在拍照文档时，都比较随意，因此拍照出来的图片不可避免的产生倾斜，这就需要文字识别软件进行较正。
版面分析：5、将文档图片分段落，分行的过程就叫做版面分析，由于实际文档的多样性，复杂性，因此，目前还没有一个固定的，最优的切割模型。
6、字符切割：
由于拍照条件的限制，经常造成字符粘连，断笔，因此极大限制了识别系统的性能，这就需要文字识别软件有字符切割功能。
7、字符识别：
这一研究，已经是很早的事情了，比较早有模板匹配，后来以特征提取为主，由于文字的位移，笔画的粗细，断笔，粘连，旋转等因素的影响，极大影响特征的提取的难度。
8、版面恢复：
人们希望识别后的文字，仍然像原文档图片那样排列着，段落不变，位置不变，顺序不变，的输出到word文档,pdf文档等，这一过程就叫做版面恢复。
9、后处理、校对：
根据特定的语言上下文的关系，对识别结果进行较正，就是后处理。
开发一个OCR文字识别软件[2]系统，其目的很简单，只是要把影像作一个转换，使影像内的图形继续保存、有表格则表格内资料及影像内的文字，一律变成计算机文字，使能达到影像资料的储存量减少、识别出的文字可再使用及分析，当然也可节省因键盘输入的人力与时间。从影像到结果输出，须经过影像输入、影像前处理、文字特征抽取、比对识别、最后经人工校正将认错的文字更正，将结果输出。

㈢ 怎么进行人民币冠字码识别

人民币纸币上除了汉字、少数民族文字、汉语拼音及第四套人民币主币上增加的盲文外，还有用以控制各种票券印制数量和防伪作用的冠号和号码。冠，取首之意，冠字也称“字头”，即印在票券号码前的符号，用以表示各种票券和印制数量的批号。

中国人民银行发行的五套人民币纸币，前三套均使用两个或三个不同的罗马数字（Ⅰ、Ⅱ、Ⅲ、Ⅳ等）作冠字，第四套人民币改成两个相同或不同的汉语拼音字母作冠字，而“庆祝中华人民共和国成立50周年”流通纪念钞只用一个汉语拼音字母作冠字。

号码也是表示票券印制数量的编号，是每一冠字批号中的具体编号，一般采用阿拉伯数字排列号码，一票一号，在同一冠字批号中的号码一般不会出现重复。从钞票的号码位数可以看出该组冠字所印票券的多寡，即位数越多，印制数量越大，反之印制数量越少。

(3)粘连算法扩展阅读：

冠字号码新排列方式

2010年年初，央行调整了人民币纸币的冠字号码排列方式，如市场所见“A0A0000001”方式。随着现金发行量的增加，人民币纸币冠字号码排列方式仍会不断调整变化(如“A00A000001”和“A000A00001”等排列方式。

市面上较为广泛使用的第五套人民币100元纸币的冠字号码为十位，前两位是大写的拼音字母组合，后八位则为阿拉伯数字，其中冠字号码前四位为红色，后六位为黑色。

央行有关人士证实，如今两个拼音字母相互排列的冠号组合已经全部使用完，因此有一部分人民币百元钞冠号部分变更为拼音字母 数字拼音字母的形式，就如市面上已经出现的“A0A0000001”。而且，今后随着现金发行量的增加，冠字号码的排列方式还将进行调整。

㈣ imreconstruct 这个matlab的函数有人懂的吗

imreconstruct（）函数的功能是对图形形态修饰。

imreconstruct（）书写主要格式为

IM = imreconstruct(MARKER,MASK)

MARKER——标记，标记和掩码可以是两个灰度图像或两个二进制图像具有相同的大小。标记必须是相同的大小。

MASK——面膜，作为面膜，其元素必须小于或等于面具的相应元素。

应用实例代码：

I = imread('snowflakes.png'); 读写图形文件，snowflakes.png

mask = adapthisteq(I); 对比度自适应直方图均衡化（CLAHE）

se = strel('disk',5); 形态学结构元素

marker = imerode(mask,se); 图像灰度化

obr = imreconstruct(marker,mask);

figure, imshow(mask,[]), 修饰前的图形（图1）

figure, imshow(obr,[]) 修饰后的图形（图2）