由于光学字符识别（OCR）技术，从图像中提取文本从未像今天这样容易。

OCR允许我们做各种有用的事情，比如使用文本查询来搜索图像，不需要手工打印就可以复制文档，甚至可以将手写文本转换成数字文本。

但是什么是光学字符识别？它实际上是如何工作的？对你来说，这可能像是黑魔法，但在本文的结尾，你将对计算机如何识别字母和单词有一个坚实的理解。

光学字符识别的工作原理

为了理解文本是如何从图像中提取出来的，我们首先要了解图像是什么以及它们是如何存储在计算机上的。

像素是特定颜色的单个点。图像本质上是像素的集合。图像中像素越多，分辨率越高。计算机不知道路标的图像实际上是一个路标——它只知道第一个像素是这个颜色，下一个像素是那个颜色，然后显示它的所有像素让你看。

这意味着文本和非文本对于计算机来说没有什么不同，这就是为什么光学字符识别如此困难的原因。考虑到这一点，下面是它的工作原理。

第一步：图像预处理

在提取文本之前，需要以某种方式对图像进行按摩，以使提取更容易，更容易成功。这称为预处理，不同的软件解决方案使用不同的技术组合。

更常见的预处理技术包括：

二值化

图像中的每个像素都会转换为黑色或白色。目标是弄清楚哪些像素属于文本，哪些像素属于背景，这加快了实际的OCR过程。

斜切

由于文档很少以完美的对齐方式进行扫描，字符可能会倾斜甚至倒置。这里的目标是识别水平文本行，然后旋转图像，使这些行实际上是水平的。

去斑

无论图像是否已二值化，都可能存在干扰字符识别的噪声。Despeckling消除了噪音并试图平滑图像。

管线拆除

识别所有可能不是字符的行和标记，然后删除它们，这样实际的OCR过程就不会混淆。在扫描带有表格和方框的文档时，这一点尤为重要。

分区

将图像分割为不同的文本块，例如标识多栏文档中的列。

步骤2：处理图像

首先，OCR进程尝试为图像中的每一行文本建立基线（或者，如果在预处理中对其进行了分区，它将一次一个地遍历每个分区）。每一行识别的字符都被一个接一个地处理。

对于每一行字符，OCR软件通过寻找非文本像素的垂直行来识别字符之间的间距（通过适当的二值化，这应该是显而易见的）。这些非文本行之间的每个像素块被标记为表示一个字符的“标记”。因此，这一步称为标记化。

一旦图像中的所有潜在字符都标记化，OCR软件就可以使用两种不同的技术来识别这些标记实际上是什么字符：

模式识别

每一个标记都被逐像素地与一整套已知的符号（包括数字、标点符号和其他特殊符号）进行比较，并选出最接近的匹配项。这种技术也称为矩阵匹配。

这里有几个缺点。首先，令牌和glyph的大小必须相似，否则它们都不匹配。第二，标记的字体必须与字形相似，这样就排除了手写。但如果已知代币的字体，模式识别可以快速准确。

特征提取

每个标记都会与描述它可能是哪种类型的字符的不同规则进行比较。例如，由一条水平线连接的两条等高的垂直线很可能是大写字母H。

这种技术很有用，因为它不限于某些字体或大小。在识别大写I、小写L和数字1之间的细微差别时，它也可以更加细致。缺点是什么？编程规则比简单地将标记中的像素与glyph中的像素进行比较要复杂得多。

第三步：图像后处理

一旦完成了所有的令牌匹配，OCR软件就可以暂停并将结果呈现给您。但通常需要做更多的捏造，以确保你不会对乱七八糟的结果翻白眼。

词汇限制

所有的单词都会与一个被认可的单词词典进行比较，任何不匹配的单词都会被最合适的单词替换。词典就是词典的一个例子。这有助于纠正带有错误字符的单词，例如“thorn”而不是“th0rn”。

特定于应用程序的优化

当OCR被用于特定的环境时，例如医疗或法律文件，一种特殊的OCR可以被使用，它是专门为该环境设计的。在这些情况下，OCR软件可能会查找数学公式、行业特定术语等。

自然语言

这种先进的技术通过使用一种语言模型来纠正句子，这种语言模型描述了某些单词后面跟着其他单词的可能性。它类似于一种技术，可以预测你接下来要在移动键盘上键入什么单词。

如果做得好，这可以产生非常可读的文本。

推荐的光学字符识别工具

既然您知道了OCR是如何工作的，那么应该很容易看出并不是所有的OCR工具都是平等的。结果的准确性在很大程度上取决于软件实现本文讨论的各种OCR技术的程度。

为此，我们强烈推荐OneNote，这只是它在笔记方面胜过Evernote的一个原因。如果您愿意为高级解决方案付费，请考虑OmniPage。请参阅OneNote与OmniPage的OCR比较。对于移动文档，您需要查看这些适用于Android设备的OCR应用程序。

如何使用OCR？有什么我们没提到的最喜欢的OCR工具吗？请在下面的评论中告诉我们！