Тема: Системы оптического распознавания документов. Цель: получить представление об OCR – программах распознавания текста, познакомиться с возможностями данных программы
Системы распознавания текста. Для создания электронных библиотек и архивов путем перевода книг и документов в цифровой вариант и при необходимости редактирования полученного по факсу документа используются специальные системы распознавания символов. С помощью сканера можно получить изображение страницы с текстом в графическом формате.
Но работать с этим текстом невозможно, потому что любое сканирование – это всего лишь изображение
Текст можно будет читать, распечатывать, но только не редактировать. Для перевода графического документа в текстовый файл необходимо провести распознавание текста. Преобразование графического изображения в текст занимаются программы оптического распознавания текста (Optical Character Recognition, OCR).
Современные OCR умеют:
распознавать тексты, набранные не только разными шрифтами, но и самыми экзотическими, в том числе и рукописных
корректно работать с текстами, содержащими слова на нескольких языках
распознавать таблицы
распознавать нечетко набранные или написанные тексты
Само собой, распознать текст - это еще полдела. После этого нужно обеспечить сохранение результата в файле текстового формата, например Microsoft Word.
В процессе распознавания документов в плохом качестве (машинописный текст, факс) используется метод распознавания символов по наличию определенных структурных элементов - отрезков, колец, дуг. Любой символ легко описывается с помощью набора значений, определяющих расположение его частей. Например, обе буквы «Н» и буква «И» состоят из трех отрезков. Два из них расположены параллельно друг другу, а третий их соединяет. А различие – лишь в величине углов отрезков.
Самые распространенные системы оптического распознавания текста - ABBYY FineReader и CuneiForm.
FineReader является омнифонтовой системой распознавания текстов. Это значит, что она позволяет распознавать тексты, набранные практически любыми шрифтами. Одним из козырей FineReader является поддержка огромного (для таких программ) количества языков распознавания - более 176 (экзотические, древние языки, популярные языки программирования) Для запуска процесса распознавания достаточно положить лист бумаги в сканер и нажать кнопку Scan & Read на панели инструментов. Все остальные операции (сканирование, разбивка изображения на части, распознавание текста) выполнятся автоматически.
Параметры сканирования. Качество распознавания зависит от качества сканированного изображения.
Его можно регулировать установками параметров сканирования (тип изображения, разрешения, яркости, и т. д.).
Сканирование в режиме «серого» является оптимальным режимом для системы распознавания, так как в нем происходит автоматический подбор яркости. Самым практичным разрешением для сканирования текстов - 300 dpi, для текстов, набранных мелким шрифтом - 400-600 dpi.
Окно
Завершение распознавания. Распознав страницы, FineReader предложит сканировать и распознавать дальше (если сканируется книга)
или сохранить текст в форматы - от документов Microsoft Office до HTML и PDF.
При распознавании FineReader сохраняет все параметры форматирования документа с его графическим оформлением.
Вопросы: 1. Зачем нужны программы распознавания текста? 2. Как происходит распознавание текста? 3. Какие программы распознания текста вы знаете? 4. Требования к параметрам машинных переводчиков. 5. Методы улучшения качества перевода текста Список использованных источников: 1. Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания или классификации // Проблемы кибернетики. М.: Наука, 2005. - Вып. 33. С. 5-68 2. Растригин Л. А., Эренштейн Р. Х. Метод коллективного распознавания. 79 с. ил. 20 см., М. Энергоиздат, 2006. – 80 с. 3. Потапов А.С. Распознавание образов и машинное восприятие. - С-Пб.: Политехника, 2007 г. 4. А. Васильев. Компьютер на месте переводчика // Подводная лодка. – № 6. 5. Система перевода текста PROMT Internet. Руководство пользователя. — С.-Петербург, фирма "ПРОМТ. 6. www.free-ocr.сom 7. img2txt.ru 8. www.translate.ru
Отредактировано и выслано преподавателем Киевского национального университета им. Тараса Шевченка Соловьевым М. С.
Если у вас есть исправления или предложения к данному уроку, напишите нам. Если вы хотите увидеть другие корректировки и пожелания к урокам, смотрите здесь - Образовательный форум.
