原文地址：http://blog.csdn.net/luojun2007/article/details/51614133

OCR识别的开源分析

OCR软件主要是由下面几个部分组成。

1. 图像输入、预处理： 　　

2. 图像输入：对于不同的图像格式，有着不同的存储格式，不同的压缩方式。预处理：主要包括二值化，噪声去除，倾斜较正等 　　

3. 二值化： 　　对摄像头拍摄的图片，大多数是彩色图像，彩色图像所含信息量巨大，对于图片的内容，我们可以简单的分为前景与背景，为了让计算机更快的，更好的识别文字，我们需要先对彩色图进行处理，使图片只前景信息与背景信息，可以简单的定义前景信息为黑色，背景信息为白色，这就是二值化图了。 　　

4. 噪声去除： 　　对于不同的文档，我们对燥声的定义可以不同，根据燥声的特征进行去燥，就叫做噪声去除 　　

5. 倾斜较正： 　　由于一般用户，在拍照文档时，都比较随意，因此拍照出来的图片不可避免的产生倾斜，这就需要文字识别软件进行较正。 　　

6. 版面分析： 　　将文档图片分段落，分行的过程就叫做版面分析，由于实际文档的多样性，复杂性，因此，目前还没有一个固定的，最优的切割模型。 　　

7. 字符切割： 　　由于拍照条件的限制，经常造成字符粘连，断笔，因此极大限制了识别系统的性能，这就需要文字识别软件有字符切割功能。 　　

8. 字符识别： 　　这一研究，已经是很早的事情了，比较早有模板匹配，后来以特征提取为主，由于文字的位移，笔画的粗细，断笔，粘连，旋转等因素的影响，极大影响特征的提取的难度。 　　

9. 版面恢复： 　　人们希望识别后的文字，仍然像原文档图片那样排列着，段落不变，位置不变，顺序不变，的输出到word文档,pdf文档等，这一过程就叫做版面恢复。 　　

10. 后处理、校对: 　　根据特定的语言上下文的关系，对识别结果进行较正，就是后处理。

开源引擎

—— 本来是个Windows软件，这是的移植，2011年4月已经停止维护。

—— 命令行工具。有JS移植，可用于前端。

—— 命令行工具。有JS移植，可用于前端。

—— 开源OCR引擎，也有命令行工具。HP开发Google接手。3.0之后支持训练。Golang绑定。入门教程。

—— 基于训练的OCR引擎，训练后可以达到比Tesseract更高的准确度，项目比Tesseract更年轻。包含一个叫做OCRopus的布局分析器。in 。

—— Windows8.1之后的版本内置OCR引擎，可用于桌面和WindowsPhone。

—— 收费软件，有SDK，有Cloud版本。

预处理代码

—— 图像处理老大哥。OpenCV3中有Scene Text Detection值得一用。

—— 现代图像处理库，被很多人推荐。实现了精选的若干个图像处理，干净容易移植。其中尤其有用。

—— 分行检测。

—— 基于神经学习网络算法的布局分析库。教程。

—— 文字区域检测库，效果演示。

—— 检测文字和旋转，用的是Hough transform算法。

Scene Text Detection()

，

1，

2，

，

高层项目

—— in ，整合了OpenCV、Tesseract和一些其他项目。

—— node-dv的更高层，用于证件识别。

—— 包装了SWT、Tesseract、、RabbitMQ，提供队列和HTTP访问服务。in Golang。

—— 包装了Tesseract和OpenCV，支持多系统build，支持Docker，有Python和Node.js绑定。

移动端

，Tesseract的移植，教程。

，免费的移动OCR-SDK。

新方法：

如果有够多的样本和验证能力，机器学习可以很好的处理OCR的问题。

一个快速的框架，和基于它构建的OCR项目。

JS构建的神经学习网络

参考:  

[1]