Системы распознавания текста Технология обработки текстовой информации

Необходимость в системах распознавания символов С помощью сканера достаточно просто получить изображение страницы текста в графическом файле. Однако работать с таким текстом невозможно : как любое сканированное изображение, страница с текстом представляет собой графический файл - обычную картинку. Текст можно будет читать и распечатывать, но нельзя будет его редактировать и форматировать. Для получения документа в формате текстового файла необходимо провести распознавание текста, то есть преобразовать элементы графического изображения в последовательности текстовых символов.

Программы распознавания текста Преобразованием графического изображения в текст занимаются специальные программы распознавания текста (Optical Character Recognition - OCR). Наиболее распространенные системы оптического распознавания символов : ABBYY FineReader CuneiForm от Cognitive Примеры программ OCR -

Получение электронного документа 1. Отсканировать изображение ( с помощью ПО сканера ); 2. Распознать структуру размещения текста на странице : выделить колонки, таблицы, изображения и т. д. 3. Выделенные текстовые фрагменты графического изображения страницы необходимо преобразовать в текст ; 4. Проверка орфографии ( если необходимо ); 5. Сохранение в файл или передача текста в другое приложение, например в Word.

Методы распознавания символов Если исходный документ имеет типографское качество, то задача распознавания решается методом сравнения с растровым шаблоном. При распознавании документов с низким качеством печати используется метод распознавания символов по наличию в них определенных структурных элементов ( отрезков, колец, дуг и др.).

ABBYY FineReader FineReader - омнифонтовая система оптического распознавания текстов. Это означает, что она позволяет распознавать тексты, набранные практически любыми шрифтами, без предварительного обучения. Особенностью программы FineReader является высокая точность распознавания и малая чувствительность к дефектам печати. FineReader имеет массы дополнительных функций и удобный интерфес.

Оптимальное разрешение при сканировании Оптимальным разрешением для обычных текстов является dpi и dpi для текстов, набранных мелким шрифтом (9 и менее пунктов ). Сканирование в сером является оптимальным режимом для системы распознавания. В случае сканирования в сером режиме осуществляется автоматический подбор яркости. Если Вы хотите, чтобы содержащиеся в документе цветные элементы ( картинки, цвет букв и фона ) были переданы в электронный документ с сохранением цвета, необходимо выбрать цветной тип изображения. В других случаях используйте серый тип изображения.

Вопросы : Зачем нужны программы распознавания текста ? Как происходит распознавание текста ? Какие программы распознания текста вы знаете ? Какими пользовались ? Какое разрешение является оптимальным для сканирования текста, изображений ?

Домашнее задание § 1.1.5, Знать, что такое программы распознавания текста, уметь работать с этими программами. Дополнительное задание : установить дома программу OCR и подготовить реферат по какому - либо предмету. Текст распознать в OCR, редактирование и форматирование провести в Word. видеоурок