OCROCR(Optical Character (Optical Character

Recognition)Recognition)

Vypracovali: P. Vymetálek, J. ViktoraKartografická polygrafie a reprografie

akademického roku 2007/2008

Co nás čekáCo nás čeká

úvodúvod historiehistorie metody metody

ocrocr jak fungujejak funguje

ÚvodÚvod

OCR - Optical Character RecognitionOCR - Optical Character Recognition==

optické rozpoznávání znaků optické rozpoznávání znaků

umožňuje digitalizaci tištěných textůumožňuje digitalizaci tištěných textů úspěšnost převodu je závislá na kvalitě úspěšnost převodu je závislá na kvalitě

předlohypředlohy je použitelné pro všechny tištěné výstupy je použitelné pro všechny tištěné výstupy

z laserových, inkoustových, z laserových, inkoustových, termosublimačních, jehličkových termosublimačních, jehličkových tiskáren a předlohy vytištěné knihtiskem tiskáren a předlohy vytištěné knihtiskem

HistorieHistorie

1950 – začátek vývoje ocr1950 – začátek vývoje ocr 1954 – první OCR systém – Reader‘s 1954 – první OCR systém – Reader‘s

DigestDigest

První generace OCRPrvní generace OCR:: 1960 – 19651960 – 1965 charakterizuje se využitím pro charakterizuje se využitím pro

jednoduché zpracování znakůjednoduché zpracování znaků znaky byly speciálně vyvinuty pro tyto znaky byly speciálně vyvinuty pro tyto

systémysystémy

HistorieHistorie

znaky vypadali značně uměleznaky vypadali značně uměle postupně systémy s více fontypostupně systémy s více fonty systém porovnával znaky s knihovnou znakůsystém porovnával znaky s knihovnou znaků

E13BE13B

HistorieHistorie

Druhá generace OCRDruhá generace OCR:: pol. 60. let až 70. létapol. 60. let až 70. léta rozpoznání běžně psaných strojových rozpoznání běžně psaných strojových

textůtextů „„rozpoznání“ ručně psaných znakůrozpoznání“ ručně psaných znaků první systémy – IBM1287, Toshiba první systémy – IBM1287, Toshiba

(poštovní třídič), Hitashi(poštovní třídič), Hitashi americký standard character set OCR-Aamerický standard character set OCR-A evropský standard character set OCR-Bevropský standard character set OCR-B

HistorieHistorie

OCR – AOCR – A OCR - BOCR - B

HistorieHistorie

Třetí generace OCRTřetí generace OCR:: od poloviny 70. letod poloviny 70. let rozpoznávají dokumenty nižší kvalityrozpoznávají dokumenty nižší kvality

OCR dneškaOCR dneška:: masové nasazení a velké rozšíření masové nasazení a velké rozšíření

různých systémů po cele Zemirůzných systémů po cele Zemi jmenujme: Fine Reader, …jmenujme: Fine Reader, …

Metody OCRMetody OCR

principem modelu rozpoznávání je principem modelu rozpoznávání je naučit systém základním případůmnaučit systém základním případům

základní typy: speciální symboly, základní typy: speciální symboly, otazník, čárka,…otazník, čárka,…

učení systému na demo datechučení systému na demo datech systém si vyrobí prototypysystém si vyrobí prototypy při rozpoznávání se porovnávají při rozpoznávání se porovnávají

znaky s prototypyznaky s prototypy

Jak fungujeJak funguje

nejprve skenování podkladůnejprve skenování podkladů

Jak fungujeJak funguje

předzpracování, binární obrazpředzpracování, binární obraz lokalizace řádků, znakůlokalizace řádků, znaků

Jak fungujeJak funguje

extrahování rysů – získání základních extrahování rysů – získání základních charakteristik každého znakucharakteristik každého znaku

Jak fungujeJak funguje

klasifikace znaků – rozpoznáváníklasifikace znaků – rozpoznávání porovnávání vzniklých slov se porovnávání vzniklých slov se

slovníkemslovníkem kontrola pravopisukontrola pravopisu

-extrahování -extrahování rysů-rysů-

ZdrojeZdroje

http://cs.wikipedia.org/wiki-OCRhttp://cs.wikipedia.org/wiki-OCR [online] [online] http://www.quido.cz/Objevy/ocr.htmhttp://www.quido.cz/Objevy/ocr.htm [online] [online] http://medard.soc.cas.cz/digidat/obraz_OCR.hhttp://medard.soc.cas.cz/digidat/obraz_OCR.h

tmtm [online] [online]

http://www.digineff.cz/jaknato/ocr/ocr.htmlhttp://www.digineff.cz/jaknato/ocr/ocr.html [online][online]

V.Suchý,V.Suchý, Rozpoznávání textu v obraze, Brno Rozpoznávání textu v obraze, Brno 20072007