应用综述

一. 基本原理：

光学字符识别（Optical Character Recognition, OCR）是指利用光学字符识别技术,对文本资料的图像文件进行分析识别处理，获取可编辑的文字及版面信息的过程。

车牌识别为例：

_images/car_plate.png

上图为车牌识别流程示意图

  1. 预处理 ：噪声过滤、自动白平衡、自动曝光以及伽马校对、边缘增强、对比度调整等。
  2. 车牌定位 ：对图像预处理后的灰度图像上进行扫描处理，判定车牌区域。
  3. 字符切开 ：对图像进行灰度化道闸和二值化等处理，判定位字符区域，然后依据字符尺度特征进行字符切开。
  4. 字符识别 ：对切开后的字符进行缩放、特征提取，与字符数据库模板中的标准字符表达形式进行匹配区别。

二. 应用场景：

特定场景识别：专用OCR识别功能，如证件识别、车牌识别、发票识别和银行卡识别。
通用场景识别：可用于更复杂的自然场景，在移动端也具有更大的应用潜力。
_images/natrue_picture.png

上图为自然场景中出现的字符识别

自然场景识别难点：

  • 多种语言文本 ：文字可以有不同的大小、字体、颜色、亮度、对比度等。文本行可能有横向、竖向、弯曲、旋转、扭曲等式样。
  • 文字形态复杂 ：文字可能出现产生变形(透视、仿射变换)、残缺、模糊等现象。
  • 背景多样 ：文字可能出现在平面、曲面或折皱面上等
  • 同质干扰 ：文字附近有复杂的干扰纹理或者非文字区域有近似文字的纹理，比如沙地、草丛、栅栏、砖墙等。