Download
1 / 27
270 likes | 438 Views
Optical Character Recognition ili OCR. Mr.sc. Nikolina Stanić Loknar Grafički fakultet Zagreb. Optical Character Recognition ili OCR
E N D
Optical Character Recognition ili OCR Mr.sc. Nikolina Stanić Loknar Grafički fakultet Zagreb
Optical Character Recognition ili OCR je tehnologija koja omogućuje konvertiranje, prevođenje različitih tipova slikovnih dokumenata u formate kojima može manipulirati računalo (to su npr. ASCII ili UNICODE kodovi)
Skenirane slike, PDF dokumente ili slike ubačene u računalo pomoću digitalne kamere OCR tehnologija prepoznaje i prebacuje u formate koji mogu biti prerađivani ili dorađivani u programima za obradu teksta kao npr. Microsoft Word • OCR sustavse sastoji od optičkog skenera za čitanje teksta i sofisticiranog softvera za analiziranje slika
Većina OCR sustava koristi kombinaciju hardvera i softvera koja prepoznaje slovne znakove • Napredni OCR sustavi mogu čitati tekstove pisane velikim brojem fontova, pa i rukopisne fontove
Postoje dvije osnovne metode koje se koriste za OCR: • uspoređivanje matrica (eng. Matrix matching) i • Pronalaženje ključnih obilježja (eng. Feature extraction)
Jednostavnija i učestalija metoda je Matrix matching • Matrix matching metoda uspoređuje što skener vidi kao slovni znak sa popisom slovnih matrica ili predložaka • Kada skenirana slika odgovara jednoj od zadanih matrica unutar postavljenog stupnja sličnosti računalo joj dodjeljuje kôd jednog od ASCII znakova.
Pronalaženje ključnih obilježja je OCR sustav bez točnog podudaranja s zadanim predloškom - Inteligentno prepoznavanje znakova • Ta metoda ovisi o “računalnoj inteligenciji” postavljenoj od strane proizvođača • Računalo traži osnovne oblike kao što su: otvorene površine, zatvoreni oblici, dijagonalne linije itd
Uspoređivanje matrica najbolje funkcionira kada se radi s manjim brojem različitih pismovnih rezova i s malim razlikama unutar jednog reza • Kada postoje veće razlike u izgledu slova metoda Inteligentnog prepoznavanja znakova je prikladnija
OCR fontovi su oni koje može raspoznati i pročitati ljudsko oko i uređaj za čitanje OCR fontova Sadrže slovne znakove od A do Z, brojeve i nekoliko posebnih znakova Svaki znak u fontu ima definiranu veličinu i oblik u kojem se pojavljuje OCR fontovi su definirani od ANSI organizacije
Uređaji za čitanje OCR fontova dijele se u dvije skupine: • uređaji za unos teksta i • uređaji za učitavanje podataka
Uređaji za unos teksta mogu skenirati čitave dokumente ili velike dijelove dokumenata • Izvor podataka je unesen s namjerom da ga netko mijenja za vrijeme ili nakon skeniranja • Uređaji za unos teksta imaju različite stupnjeve automatizacije: od ručnog unosa do automatskog unosa, čitanja, razvrstavanja i kapaciteta memorije
Uređaji za učitavanje podataka koriste postupak gdje skenirani podaci dostavljeni računalu moraju biti vrlo precizni jer su uneseni bez namjere da ih se kasnije mijenja • Točnost pri unosu podataka mora biti puno veća nego kod unosa teksta
Postoji mnogo razloga za korištenje OCR metode skeniranja u odnosu na ostale načine unosa podataka: • OCR smanjuje mogućnost nastanka pogreške prilikom unosa podataka • konsolidira podatke prilikom ulaska • čitljiv je i za ljudsko oko • može se koristiti za različite tehnike tiska
Prednosti OCR-a nad barkodom • OCR je prikladniji za unos podataka u kontroliranim uvjetima za bilo koji broj znakova • prikladan je kod ulaska i izlaska novčanih pošiljaka ili sličnih vrijednosnica u novčarske institucije • može sadržavati više od četrdeset znakova i različit broj dostupnih informacija, npr. datum dospijeća računa, broj računa, iznos, vrsta usluge i sl
Barkod je najprikladniji za identifikaciju dijelova ili pojedinih predmeta u lošijim uvjetima ili pri učestalom ponavljanju istih nositelja podataka koji sadrže samo nekoliko znakova • pri identifikaciji i praćenju putničke prtljage u zračnom prometu • Barkodovi su otporniji na grublje rukovanje, ali zauzimaju puno više prostora • OCR može sadržavati do šest puta više informacija nego standardni barkod
OCR A font OCR B font Barkod
serijski broj na novčanici od 200 hrvatskih kuna tiskan OCR B fontom Upotreba OCR fontova: • znatno pomaže pri očitavanju, brojanju i spremanju novčanica u trezore banaka • pomaže i kod pronalaska krivotvorenih novčanica • Brojač pamti koji su serijski brojevi novčanica ušli u banku i ne može se dva puta pojaviti isti broj
primjena OCR fontova kod putovnica • Tu optički čitači pomažu carinicima i graničnoj policiji kod pronalaska krivotvorenih putovnica • Isto tako, elektroničkim čitačima se lakše, sigurnije i brže obavlja carinska kontrola
čitanje i prepoznavanje rukopisa koristeći OCR sustav : • Da bi se koristeći OCR sustav moglo pročitati i prepoznati tekst potrebno je najprije skenirati sliku sa rezolucijom od 300 dpi.
Proces čitanja i prepoznavanja slovnih znakova program provodi u četiri koraka: 1. otvaranje slike, 2. čitanje slike, 3. provjera pravopisa 4. spremanje teksta u neki od programa za obradu teksta
Nakon otvaranja i čitanja teksta program će prikazati sliku kao tekst • Program ne može odmah prepoznati sve slovne znakove • U početnoj fazi prepoznavanja slovnih znakova nekog novog fonta program neće prepoznavati znakove • Takvi, za program novi znakovi se moraju ručno korigirati na taj način da se program „uči“ prepoznavati znakove
Označeno je kurentno slovo n i dodijeljen mu je znak slova n • Taj će znak pogram zapamtiti • OCR programi prepoznaju bitmap nakupine i u procesu učenja se određenoj količini bitmap nakupina dodjeljuje neki slovni znak • Program svaki znak sprema u bazu fontova koju stvara automatski • U bazi se nalaze svi slovni znakovi koje je program ikad pročitao i naučio.
Ponekad se dogodi da OCR u svoju bazu fontova pod nekim slovnim znakom spremi neke bitmap nakupine koje ne predstavljaju nikakvo slovo • To se može dogoditi ako je skenirani tekst loš ili ako postoje mrlje na papiru, što je čest slučaj kod dokumenata primljenih putem faksa • Takva pogrešno spremljena slova treba izbrisati iz baze OCR uzoraka
Nakon što je program pročitao skenirani tekst i sliku pretvorio u slovne znakove radi se provjera pravopisa • To je dodatna kontrola da se provjeri da li je tekst dobro prepoznat i da li su riječi pravilno ispisane • U četvrtom koraku tekst se prebacuje i sprema u neki od programa za obradu teksta najčešće Microsoft Word
