【印刷数字识别】基于matlabOCR识别系统【含Matlab源码438期】

一、OCR简介

1 什么是OCR技术&＃xff1f;
OCR英文全称是Optical Character Recognition&＃xff0c;中文叫做光学字符识别。它是利用光学技术和计算机技术把印在或写在纸上的文字读取出来&＃xff0c;并转换成一种计算机能够接受、人又可以理解的格式。文字识别是计算机视觉研究领域的分支之一&＃xff0c;而且这个课题已经是比较成熟了&＃xff0c;并且在商业中已经有很多落地项目了。

2 OCR技术的分类&＃xff1a;
2.1 按主题划分&＃xff1a;手写体识别和印刷体识别。

(1)印刷体大多都是规则的字体&＃xff0c;技术上的难点是&＃xff0c;在印刷过程中字体很可能变得断裂或者墨水粘连&＃xff0c;使得OCR识别异常困难。当然这些都可以通过一些图像处理的技术帮他尽可能的还原&＃xff0c;进而提高识别率。总的来说&＃xff0c;单纯的印刷体识别在业界已经能做到很不错了&＃xff0c;但说100%识别是肯定不可能的&＃xff0c;但是说识别得不错那是没毛病。

(2)手写体识别一直是OCR界一直想攻克的难关&＃xff0c;但是时至今天&＃xff0c;识别难度还是很大。为什么手写体识别这么难识别&＃xff1f;因为人类手写的字往往带有个人特色&＃xff0c;每个人写字的风格基本不一样&＃xff0c;虽然人类可以读懂你写的文字&＃xff0c;但是机器缺很难。印刷体一般都比较规则&＃xff0c;字体都基本就那几十种&＃xff0c;机器学习这几十种字体并不是一件难事&＃xff0c;但是手写体&＃xff0c;每个人都有一种字体的话&＃xff0c;那机器该学习多少字体啊&＃xff1f;这就是难度所在。

2.2 按识别的内容来分类
对于我们国人来说主要分成三类&＃xff1a;汉字、英文字母、阿拉伯数字。识别数字是最简单了&＃xff0c;毕竟要识别的字符只有0~9&＃xff0c;而英文字母识别要识别的字符有26个&＃xff08;如果算上大小写的话那就52个&＃xff09;&＃xff0c;而中文识别&＃xff0c;要识别的字符高达数千个因为汉字的字形各不相同&＃xff0c;结构非常复杂&＃xff08;比如带偏旁的汉字&＃xff09;如果要将这些字符都比较准确地识别出来&＃xff0c;是一件相当具有挑战性的事情。但是&＃xff0c;并不是所有应用都需要识别如此庞大的汉字集&＃xff0c;比如车牌识别&＃xff0c;我们的识别目标仅仅是数十个中国各省和直辖市的简称&＃xff0c;难度就大大减少了。当然&＃xff0c;在一些文档自动识别的应用是需要识别整个汉字集的&＃xff0c;所以要保证识别的整体的识别还是很困难的。

2.3 OCR流程

判断页面上的文本朝向&＃xff0c;因为我们得到的这页文档往往都不是很完美的&＃xff0c;很可能带有倾斜或者污渍&＃xff0c;那么我们要做的第一件事就是进行图像预处理&＃xff0c;做角度矫正和去噪。
对文档版面进行分析&＃xff0c;进每一行进行行分割&＃xff0c;把每一行的文字切割下来&＃xff0c;最后再对每一行文本进行列分割&＃xff0c;切割出每个字符&＃xff0c;将该字符送入训练好的OCR识别模型进行字符识别&＃xff0c;得到结果。
对其进行识别结果的矫正和优化&＃xff0c;比如我们可以设计一个语法检测器&＃xff0c;去检测字符的组合逻辑是否合理。比如&＃xff0c;考虑单词Because&＃xff0c;我们设计的识别模型把它识别为8ecause&＃xff0c;那么我们就可以用语法检测器去纠正这种拼写错误&＃xff0c;并用B代替8并完成识别矫正。这样子&＃xff0c;

整个OCR流程就走完了。从大的模块总结而言&＃xff0c;一套OCR流程可以分为&＃xff1a;
版面分析 -> 预处理-> 行列切割 -> 字符识别 -> 后处理识别矫正
从上面的流程图可以看出&＃xff0c;要做字符识别并不是单纯一个OCR模块就能实现的&＃xff08;如果单纯的OCR模块&＃xff0c;识别率相当低&＃xff09;&＃xff0c;都要各个模块的组合来保证较高的识别率。

二、部分源代码

clc
clear all
close all
Symbols &＃61;[&＃39;0&＃39; &＃39;1&＃39; &＃39;2&＃39; &＃39;3&＃39; &＃39;4&＃39; &＃39;5&＃39; &＃39;6&＃39; &＃39;7&＃39; &＃39;8&＃39; &＃39;9&＃39; &＃39;-&＃39;];
P3 &＃61; [];
Result &＃61; [];
path &＃61; &＃39;C:\Users\lenovo\Desktop\23149049ocr\&＃39;; % working Path
ext &＃61; &＃39;_bold.bmp&＃39;; %Train Data Files Extension name
P &＃61; zeros(16,12,11);% Read 0-9 digits data
for i &＃61; 0: 9file &＃61; [path,char(48 &＃43; i) , ext]; % char(48) &＃61;> &＃39;0&＃39;P(:,:,i &＃43; 1) &＃61; imread(file);P3 &＃61; [P3,P(:,:,i &＃43; 1)&＃39;];
end% imshow(P(:,:,1));i &＃61; i &＃43; 1;
% read other symbolsfile &＃61; [path,&＃39;dash&＃39; , ext];P(:,:,i &＃43; 1) &＃61; imread(file);P3 &＃61; [P3,P(:,:,i &＃43; 1)&＃39;];% figure
% for i &＃61; 1:11
% subplot( 11, 1, i );
% imshow( P(:,:,i) );
% endP1 &＃61; reshape(P3, 12 * 16, 11);T &＃61; zeros(11,11);
for i &＃61; 1:11T(i,i) &＃61; 1;
end[R,Q] &＃61; size(P1);
[S2,Q] &＃61; size(T);S1 &＃61; 25;net &＃61; newff(minmax(P1),[S1 S1 S2],{&＃39;logsig&＃39; &＃39;logsig&＃39;,&＃39;logsig&＃39;},&＃39;traingdx&＃39;);net.performFcn &＃61; &＃39;sse&＃39;;
net.trainParam.goal &＃61; 0.05;
net.trainParam.show &＃61; 100;
net.trainParam.epochs &＃61; 5000;
net.trainParam.mc &＃61; 0.95;[net,tr] &＃61; train(net,P1,T);sept2 &＃61; []; %character segment start-end pos
Test1 &＃61;[];
file &＃61; [path,&＃39;test_bold2.bmp&＃39;];
a &＃61; imread(file);
figure;
subplot(3,24,1:24);
imshow(a);j &＃61;1;seg1 &＃61; a;b &＃61; sum(seg1) ; % character segment, if the vertical projection is zero, means the space between characters.b(find(b < 1) ) &＃61; 0;c &＃61; find(b &＃61;&＃61; 0);d&＃61; find(b > 0);e &＃61; find(c > d(1));sept2 &＃61; [];for k &＃61; 1:size(e,2) -1 % delete repeated zero positionif( c(e(k &＃43; 1)) - c(e(k)) > 1) sept2 &＃61; [sept2, c(e( k ))];sept2 &＃61; [sept2, c(e(k &＃43; 1))];end end%figuresept2 &＃61; [1, sept2];chCount &＃61; size(sept2);for k &＃61; 1: chCount(2) -1Test1 &＃61; [];tmp &＃61; zeros(16,1);z &＃61; a(:,sept2(k)&＃43;1: sept2( k&＃43;1 ));t1 &＃61; size(z);if(t1(2)> 2) tt1 &＃61; size(z);
% if( tt1(2) < 11)
% z &＃61; [z,tmp];
% endtt1 &＃61; size(z);
% if( tt1(2) < 11)
% z &＃61; [tmp,z,tmp];
% endz2 &＃61; imresize(z,[16,12],&＃39;bilinear&＃39;);
% z2 &＃61; ~z2;
% z2 &＃61; ~z2;
% z2 &＃61; double(z2);
% z2 &＃61; imnoise(z2,&＃39;salt & pepper&＃39;, 0.4);z2 &＃61; ~z2;z2 &＃61; ~z2;subplot(3,24,24&＃43;k);imshow(z2);z2 &＃61;z2&＃39;;z3 &＃61; reshape(z2,16 * 12,1);Test1 &＃61; [Test1,z3];%figure;%imshow(z2);%title(&＃39;TRUE&＃39;);% end


三、运行结果

四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 蔡利梅.MATLAB图像处理——理论、算法与实例分析[M].清华大学出版社&＃xff0c;2020.
[2]杨丹,赵海滨,龙哲.MATLAB图像处理实例详解[M].清华大学出版社&＃xff0c;2013.
[3]周品.MATLAB图像处理与图形用户界面设计[M].清华大学出版社&＃xff0c;2013.
[4]刘成龙.精通MATLAB图像处理[M].清华大学出版社&＃xff0c;2015.