文稿输入让键盘走开
#1?牐燨CR的原理
?牐燨CR是针对印刷体字符，通过扫描仪（或数码相机）等光学输入设备将文档资料转换成为原始资料黑白点阵的图像文件，利用各种模式识别算法分析文字形态特征，判断出文字的标准编码，并按通用格式存储为计算机的文本文件。由此可看出，OCR实际上是让计算机认字，实现文字自动输入，是一种高效、省力的文字输入方法。正是由于它录入速度快、准确性高，操作简便，并能大幅度提高工作效率，适应信息时代快节奏的要求，因而具有广泛的发展前景。
?牐犃硗釵CR可以说是一种不确定的技术研究，正确率100%就像是一个无穷趋近函数，知道其趋近值，却只能靠近而无法达到。这主要是因为其牵扯的因素太多了，书写者的习惯或文件印刷品质、扫描仪的扫描品质、识别的方法、学习及测试的样本等，多少都会影响其正确率。
#1?牐犞形腛CR
?牐犞形氖鞘澜缟献钣琶赖奈淖郑捎傻ヒ徊渴壮梢蛔郑蛴啥喔霾渴状由稀⑾隆⒆蟆⒂腋鞣降淖楹希槌梢桓鲎郑僖坏愠晌硪桓鲎郑嘁换殖闪硪桓鲎郑⑶易质芏唷Ａ硗庠谟凭玫睦烦ず又校刍墒肿痔澹缈濉⑺翁濉⑽罕恳恢肿痔逯杏钟行矶嗟谋湫危驳摹⒅锌盏摹⒋值摹⑾傅摹⒒褂幸帐跣蔚模烧钦庑┟烂畹淖楹希锤鹤諳CR带来了很大的麻烦。
?牐犚残碛腥嘶崛衔形淖侄唷⒈驶丛樱蛇⑷〉男畔⒍啵虼耸侗鸺际跤Ω帽扔⑽摹⑹秩菀住Ｔ诖斯们也宦鄞斯鄣阏酚敕瘢谟邢薜奶跫拢ɑ饔胧侗鹚俣取⒅葱惺侗鸬目占浼按⒋婵占涞鹊龋?，中文识别比英文、数字的识别，所需处理的问题及技术，确实多了许多。
?牐犞形腛CR过程如图（^38060101a^）所示，下面我们介绍一下印刷汉字OCR的八个过程：
#2?牐?1.扫描输入文本图像
?牐燨CR处理的标的物须透过光学仪器，如扫描仪、传真机或任何摄影器材，将图像转入计算机。科技的进步，扫描仪等的输入装置已制作得愈来愈精致，轻薄短小、品质也高，对OCR有相当大的帮助，扫描仪的分辨率使图像更清晰、扫除速度更快，增进OCR处理的效率。
#2?牐?2.图像的预处理
?牐犜ご?理包括图像正规化、去掉原始图像中的噪音（干扰）、扫描文字行的倾斜校正等。
#2?牐?3.图像版面的分析和理解
?牐牥婷娣治鍪嵌晕谋就枷竦淖芴宸治觯殖鑫谋径温浼芭虐嫠承颍约巴枷瘛⒈砀竦那颉６杂谖谋厩蚪惺侗鸫?理，对于表格区域进行专用的表格分析及识别处理，对于图像区域进行压缩或简单存储。
#2?牐?4.图像的行切分和字切分
?牐犘星蟹质墙蠓耐枷裣惹懈钗校俅油枷裥兄蟹掷氤龅ジ鲎址墓獭Ｖ档靡惶岬氖侨绾谓懒⑽淖执游淖中谐槿〕觯恐形淖痔乇鸬牡胤皆谒胁渴椎墓勰睿虼耍恢皇巧舷碌暮铣伞⒆笥液铣傻淖忠蔡乇鸲啵矣锌赡苁橇讲糠郑ㄈ纭袄薄ⅰ懊鳌薄?，也有三部分的（如“捌”、“晰”……），当这些字与英文或数字同时存在且紧靠在一起时，判断如何连接或切出，是相当困难的。
#2?牐?5.文字特征选择和提取
?牐犔卣魈崛∈钦龌方谥凶钪匾囊换罚ヒ允侗鹇识裕卣鞒槿】伤凳荗CR的核心。它是从单个字符图像上提取统计特征或结构特征的过程，用什么特征、怎么抽取，直接影响识别的好坏，包括为此而做的细化、归一化等步骤。特征可可以分为两类：一为统计的特征，如文字区域内的黑/白点数比，当文字区分成好几个区域时，这一个个区域黑/白点数比之联合，就成了空间的一个数值向量，在比对时，基本的数学理论就足以应付了。而另一类特征为结构的特征，如文字影像细线化后，取得字的笔划端点、交叉点之数量及位置，或以笔划段为特征，配合特殊的比对方法，进行比对。提取特征的稳定性及有效性，直接决定了识别的效率。
#2?牐?6比对数据库
?牐牭笔淙胛淖炙阃晏卣骱螅还苁怯猛臣苹蚪峁沟奶卣鳎夹胗幸槐榷允菘饣蛱卣魇菘饫唇斜榷裕菘獾哪谌萦Π杏侗鸬淖旨淖郑萦胧淙胛淖忠谎奶卣鞒槿》椒ㄋ玫奶卣魅鹤椤?
#2?牐?7.比对识别
?牐犖淖质侗鸺创右延械奶卣骺庵姓业接氪蹲址嗨贫茸罡叩淖址嗟墓獭Ｕ馐强沙浞址⒒邮г怂憷砺鄣囊桓瞿？椋莶煌奶卣魈匦裕∮貌煌氖Ь嗬牒嫌忻谋榷苑椒ㄓ校号肥娇占浔榷苑ā⑺沙诒榷苑ǎ≧elaxation）、动态程序比对法（Dynamic Programming，DP），以及类神经网络的数据库建立及比对、HMM（Hidden Markov Model）等著名的方法，为了使识别的结果更稳定，也有所谓的专家系统（Experts System）被提出，利用各种特征比对方法的相异互补性，使识别出的结果，其信心度特别的高。
#2?牐?8.识别结果的编辑修改后处理
?牐犚簿褪侨斯ばＵ抢么室濉⒋势怠⒂锓ü嬖蚧蛴锪峡獾扔镅韵妊橹抖允侗鸾峁行Ｕ墓蹋荗CR最后的关卡，在此之前，使用者可能只是拿只鼠标，跟着软件设计的节奏操作，去更正或者找寻OCR可能出错的地方。一个好的OCR软件，除了有一个稳定的影像处理及识别核心，以降低错误率外，人工校正的操作流程及其功能，亦影响OCR的处理效率，因此，文字影像与识别文字的对照，及其屏幕信息摆放的位置、还有每一识别文字的候选字功能、拒认字等功能都是OCR软件所必需具备的。
#1?牐犞形氖侗鸬奶厥庑?
?牐犞形氖侗鹗潜冉峡蒲Ш腿现蒲г谌斯ぶ悄芊矫娴挠τ茫婕澳Ｊ绞侗稹⑼枷翊?理、数字信号处理、自然语言理解、人工智能、模糊数学、信息论、计算机、中文信息处理等学科，是一门综合性技术，其关键技术是识别特征库。汉字是非字母化、非拼音化的文字，是世界上公认的字种最多、字型最复杂的文字，建立这种大字符集的分类特征库是十分困难的。
?牐犚话悴捎枚嗉斗掷啵谰荽罅坎煌痔宓难牛嗵卣鳌⑷轿欢ヅ淝笙嗨萍俳卸嗵卣鳌⒍喾椒ū冉稀⒀?习、分析、综合而集成特征库，以保证分类率高、适应性强、稳定性好，细分类的重点在于对相似集求异匹配、加权处理、结构判别，定量、定性分析以及前后连接词的关系，最后判别。它既有宏观比较的全局粗分类特征，又有微观比较求异的细分类特征，还有内外比较特定域的局部特征以及作为代码级后处理的联词、词组库等。
#1?牐犞形腛CR软件
?牐牶鹤值哪Ｊ奖泶镄问胶拖嘤Φ淖值湫纬煞椒ㄓ卸嘀郑恐中问接挚梢匝≡癫煌奶卣鳎恐痔卣饔钟胁煌某槿》椒ǎ饩褪沟门斜鸱椒ê妥荚蛞约八玫氖Чぞ卟煌纬闪酥掷喾倍唷⑿问礁饕斓暮鹤质侗鸱椒āＷ艿睦此担煌奶卣鞒槿『头掷嗥鞯纳杓品椒ň龆?了识别系统采用不同的处理方法，通常可以分为结构模式识别方法、统计模式识别方法、统计与结构相结合的识别方法以及人工神经网络方法等。
?牐犖私徊教岣呦低车淖芴迨侗鹇剩?描图像、图像的预处理以及识别后处理等方面的技术也都得到了深入的研究，并取得了长足的进展，有效地提高了印刷汉字识别系统的总体性能。清华大学、汉王科技等在此方面的研究成果都比较突出。