總覽

光學(xué)字符識別（OCR）是計算機視覺領(lǐng)域中廣泛使用的系統(tǒng)，了解如何為各種任務(wù)構(gòu)建自己的OCR，我們將利用OpenCV庫和Tesseract來構(gòu)建OCR系統(tǒng)。

介紹你還記得考試期間我們必須填寫正確答案的日子嗎？或者你還記得在開始第一份工作之前進行的能力測驗?zāi)兀课铱梢曰貞浧饖W林匹克競賽和多項選擇測試，大學(xué)和組織會使用光學(xué)字符識別（OCR）系統(tǒng)對答卷進行大量評分。老實說，OCR在廣泛的行業(yè)和功能中都有應(yīng)用，因此從掃描文檔（包括銀行對帳單，收據(jù)，手寫文檔，優(yōu)惠券等）到閱讀自動駕駛汽車的路牌，都在OCR的范疇內(nèi)。OCR系統(tǒng)在幾十年前建造起來是非常昂貴和繁瑣的，但隨著計算機視覺和深度學(xué)習(xí)領(lǐng)域的進步意味著我們現(xiàn)在可以建立自己的OCR系統(tǒng)了！

但是，建立OCR系統(tǒng)并不是一件容易的事，對于初學(xué)者來說，面臨著諸如圖像中的字體不同，對比度差，圖像中有多個對象等問題。因此，在本文中，我們將探討OCR任務(wù)的一些非常著名且有效的方法，以及如何自己實施。如果你不熟悉目標(biāo)檢測和計算機視覺，建議你先閱讀以下資源：基本目標(biāo)檢測算法的介紹https：／／www．a(chǎn)nalyticsvidhya．com／blog／2018／10／a－step－by－step－introduction－to－the－basic－object－detection－algorithms－part－1計算機視覺課程https：／／courses．a(chǎn)nalyticsvidhya．com／courses／computer－vision－using－deep－learning－version2目錄什么是光學(xué)字符識別（OCR）現(xiàn)實世界中流行的OCR應(yīng)用使用Tesseract OCR進行文本識別文本檢測的不同方法什么是光學(xué)字符識別（OCR）首先，讓我們了解一下什么是OCR。OCR，或稱光學(xué)字符識別是一種識別圖像內(nèi)文本并將其轉(zhuǎn)換為電子形式的過程。這些圖像可以是手寫文字，文件，收據(jù)，名片等印刷文字，甚至是自然場景照片。OCR有兩個部分，第一部分是文本檢測，確定圖像中的文本部分，文本在圖像中的定位對于OCR的第二部分文本識別非常重要，其中文本是從圖像中提取出來的。結(jié)合使用這些技術(shù)可以從任何圖像中提取文本。

沒有什么是完美的，OCR也不例外。但是，隨著深度學(xué)習(xí)的到來，對這一問題有可能得到更好、更普遍的解決方案。在我們深入研究如何構(gòu)建自己的OCR之前，讓我們先看看OCR的一些流行應(yīng)用程序。現(xiàn)實世界中流行的OCR應(yīng)用OCR在各行各業(yè)有著廣泛的應(yīng)用（主要是為了減少人工操作）。它已經(jīng)融入到我們的日常生活中，以至于我們幾乎沒有注意到它！但它肯定會努力帶來更好的用戶體驗。

OCR常用于在手寫識別任務(wù)中提取信息。該領(lǐng)域正在進行許多工作，也取得了一些非常重大的進步。Microsoft提出了一個很棒的數(shù)學(xué)應(yīng)用程序，該應(yīng)用程序以手寫的數(shù)學(xué)方程式作為輸入，生成解決方案，并逐步解釋其工作原理。OCR越來越多地被各個行業(yè)用于數(shù)字化，以減少人工工作量。這使得從業(yè)務(wù)文檔，收據(jù)，發(fā)票，護照等中提取和存儲信息非常容易且高效，此外，當(dāng)你為KYC（Know Your Customer，了解客戶）上傳文檔時，OCR用于從這些文檔中提取信息并存儲它們以供將來參考。OCR還用于書籍掃描，它將原始圖像轉(zhuǎn)換為數(shù)字文本格式。許多大型項目，例如Gutenberg項目，Million Book Project和Google Books，都使用OCR掃描和數(shù)字化書籍并將作品存儲為檔案。銀行業(yè)也越來越多地使用OCR來歸檔與客戶相關(guān)的文書工作，例如入職資料，以輕松創(chuàng)建客戶資料庫，這顯著減少了上線時間，從而改善了用戶體驗。此外，銀行使用OCR從支票中提取諸如帳號，金額，支票號碼之類的信息，以加快處理速度。

說到OCR的應(yīng)用，就必須提及它們在自動駕駛汽車中的使用。自動駕駛汽車在很大程度上依賴OCR來閱讀路標(biāo)和交通標(biāo)志，對這些標(biāo)志的有效理解可以使自動駕駛汽車對行人和其他在道路上行駛的車輛保持安全。還有很多OCR應(yīng)用，例如車牌識別，將掃描的文檔轉(zhuǎn)換為可編輯的Word文檔等等。使用OCR進行數(shù)字化顯然具有廣泛的優(yōu)勢，例如易于存儲和處理文本，更不用說可以應(yīng)用到此數(shù)據(jù)的大量分析了！OCR絕對是計算機視覺最重要的領(lǐng)域之一�，F(xiàn)在，讓我們看看最著名的和廣泛使用的文本識別技術(shù)之一——Tesseract。使用Tesseract OCR進行文本識別Tesseract：https：／／tesseract－ocr．github．io／tessdoc／Documentation．htmlTesseract是一個開源的OCR引擎，最初是由HP（Hewlett－Packard）作為專有軟件開發(fā)的，但后來在2005年被開源，從那時起，谷歌就采用了這個項目并贊助它的開發(fā)。