Принцип роботи OCR-систем

TWAIN.

Сканери, загальні принципи.

Сканування та розпізнавання тексту

Сканер освітлює документ, а його світлочутливий давач з певною частотою проводить вимірювання інтенсивності відбитого світла. Дозволяюча спроможність сканера прямо пропорційно частоті замірів. Величина інтенсивності відбитого світла перетворюється у двійковий код, який передається на комп’ютер для подальшої обробки. В залежності від щільності блоків однієї вибірки сканера може розпізнавати більшу чи меншу кількість відтінків від чорного до білого.

Кольорове сканування – це сканування в «сірому режимі» із різними фільтрами(червоним, синім, зеленим).256 відтінків кожного з компонентів в сумі дають 16,7 млн. можливих комбінацій, тобто кольорів.(24-бітове відображення). Здавалост би 24 біти достатньо для точного передавання будь-якого відтінку. Але при використанні гамм, яскравості та контрастності, розмір палітри значно зменшується, особливо по краям спектру, частина кольорів втрачається. Тому вже використовуються моделі із глибиною кольору 30,36 і навіть 48 бітів(CanoScan Lide35).

Для повноцінної роботи сканера потрібна відповідна програма, чи драйвер. Зоб не писати програму для кожного типу сканера, з’явився стандарт TWAIN, у відповідності з яким здійснюється обмін між прикладною програмою і пристроєм. Будь-яка TWAIN-сумісна програма буде стабільно працювати з будь-яким TWAIN-сумісним сканером.

Більшості програм оптичного розпізнавання символів (Optical Character Recognition - OCR)
доводиться працювати із зображеннями документів, отриманими через факс-модем або сканер. З точки зору дій над зображеннями, OCR-система повинна розбити сторінку на блоки, що являють собою текстовий зміст, графіку, таблиці та інші елементи. Найскладніший та трудомісткий процес розпізнання пов’язаний з текстом, оскільки при його ідентифікації потрібно враховувати особливості вирівнювання тексту, наявності декількох колонок та інші елементи форматування.

Власне процес розпізнавання зображення документа починається з виявлення тексту, що являє собою набір елементарних зв’язаних областей (букв), що мають приблизно однаковий розмір і розташовані на площині вздовж паралельних прямих.

Після розпізнавання текстового блока він розбивається на рядки. Це не така проста задача, оскільки на практиці неминуче має місце перекіс зображення сторінки. Навіть невеликий нахил приводить до того, що лівий край біжучого рядка опиняється нижче правого краю наступного рядка, особливо при маленькому міжрядковому інтервалі. В зв’язку з цим виникає задача, до якого з двох рядків віднести даний елементарний фрагмент зображення - зв’язану область. Зв’язана область - це не обов’язково буква. Наприклад, i та j складаються з двох елементарних фрагментів, крім цього, кожна буква може опинитись розірваною на декілька елементарних областей в результаті дефектів друку та сканування. Тобто, якщо десь між двома рядками опинилась окрема зв’язана область, це може бути відірвана частина букви верхнього рядка, або крапка над i, або частина букви нижнього рядка. Після розпізнавання рядків відбувається їх розбиття на слова. На перший погляд достатньо проаналізувати відстань між сусідніми символами (зв’язаними областями) в рядку, вибрати порогову величину, і якщо відстань між сусідніми символами перевищує це значення, рахувати, що в цьому місці є пробіл. Однак на практиці мають місце і такі помилки, як “злипання ” різних слів і розрив одного слова. Тому дуже часто відмовляються від єдиного порогового значення для всього рядка і проводиться обчислення локального порога по відношенню до декількох сусідніх символів.

І, нарешті, необхідно вирішити задачу розпізнавання символів. Вона ускладнюється тим, що в зв’язку з непродрукуванням символів та їх злипанням в слові неможливо знайти окремі символи без застосування різних способів розпізнавання.

Дата добавления: 2014-12-23